与周围环境协调的车辆图像生成
计算机视觉与模式识别
2021-10-08 v4
摘要
自从生成式神经网络在图像生成问题上取得突破以来，许多关于其应用的研究已被开展，例如图像修复、风格迁移与图像补全。然而，在不受控的真实世界环境中生成对象的研究甚少。本文中，我们提出了一种在真实世界场景中生成车辆图像的新方法。利用基于先前图像补全工作的子网络，我们的模型生成对象的形状。对象的细节由一个额外的着色与细化子网络训练，从而生成质量更好的对象。与许多其他工作不同，我们的方法不需要任何分割布局，但仍能在图像中生成合理的车辆。我们使用来自 Berkeley Deep Drive (BDD) 和 Cityscape 数据集的图像评估我们的方法，这些数据集被广泛用于对象检测与图像分割问题。所提方法生成图像的充分性也通过使用广泛使用的对象检测算法与 FID 分数进行了评估。
引用
@article{arxiv.1807.02925,
title = {Vehicle Image Generation Going Well with The Surroundings},
author = {Jeesoo Kim and Jangho Kim and Jaeyoung Yoo and Daesik Kim and Nojun Kwak},
journal= {arXiv preprint arXiv:1807.02925},
year = {2021}
}