矢量图层中的无监督图像分解
计算机视觉与模式识别
2019-07-09 v2
摘要
深度图像生成正成为增强艺术家与设计师创造潜力的工具。本文旨在使生成过程更具结构性且更易于交互。受矢量图形系统启发，我们提出一种新的深度图像重建范式，其输出由简单图层组合而成，每层由其颜色和矢量透明度掩码定义。与常用的卷积网络架构相比，这具有若干优势。特别地，我们的分层分解支持简单的用户交互，例如更新给定掩码或更改所选图层的颜色。从紧凑编码出发，我们的架构还能生成分辨率 virtually 无限的图像，图像中每点的颜色为其坐标的参数化函数。我们在CelebA和ImageNet数据集上，于相似内存资源下与state-of-the-art基线比较重建效果，验证了方法的有效性。最重要的是，我们展示了以无监督方式获得的这一新图像表示的若干应用，包括编辑、矢量化和图像检索。
引用
@article{arxiv.1812.05484,
title = {Unsupervised Image Decomposition in Vector Layers},
author = {Othman Sbai and Camille Couprie and Mathieu Aubry},
journal= {arXiv preprint arXiv:1812.05484},
year = {2019}
}
备注
10 pages, 10 figures