基于生成对抗网络分析与合成的图像纹理表征
计算机视觉与模式识别
2022-12-21 v1
摘要
我们研究基于生成对抗网络分析与合成的数据驱动纹理建模。为网络训练与测试，我们整理了一组多样化的空间均匀纹理，涵盖从随机到规则的类型。我们采用 StyleGAN3 进行合成，并证明其能生成超出训练数据所表征的多样纹理。对于纹理分析，我们提出使用一种新颖的潜域重建一致性准则对合成纹理进行 GAN 反演，以及对真实纹理采用基于 Gram 矩阵损失的迭代细化。我们提出感知式流程，用于评估网络能力、探索潜空间轨迹的全局与局部行为，并与现有纹理分析-合成技术进行比较。
引用
@article{arxiv.2212.09983,
title = {Texture Representation via Analysis and Synthesis with Generative Adversarial Networks},
author = {Jue Lin and Gaurav Sharma and Thrasyvoulos N. Pappas},
journal= {arXiv preprint arXiv:2212.09983},
year = {2022}
}