文献

J-GLOBAL ID：201902219104372549   整理番号：19A0922033

ARISST-NET:画像修復のための統一スタイルによる推定コンテンツの装飾【JST・京大機械翻訳】

Artist-Net: Decorating the Inferred Content With Unified Style for Image Inpainting

著者 (4件)： Liao Liang (National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China) ,  Hu Ruimin (National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China) ,  Xiao Jing (National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China) ,  Wang Zhongyuan (National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 36921-36933  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,文脈学習ネットワークは自然画像における大きな穴の充填において有望であることが示されている。これらのネットワークは,既知の領域からの神経情報を借翼するかまたはコピーすることによって,予測されたコンテンツを高周波の詳細で装飾することができる。しかし,この操作は,特に類似の神経パターンが既知の領域で見つからない場合に,合成領域における望ましくない含有量変化を導入する可能性がある。この問題を解決するために,画像をコンテンツコードとスタイルコードに明示的に分解するために,人工ネットと名付けたネットワークを提示した。人工ネットは,損傷された画像を復元する方法に従って崩壊画像を完成させる。それは,コンテンツ空間の次元が元の画像より低いので,潜在空間における崩壊画像のコンテンツ符号を推論することによって,より詳細なコンテンツを生成することができる。人工ネットは,既知の領域から抽出されたスタイルコードによって推論されたコンテンツコードを装飾することによって,全体画像にわたって一貫したスタイルを保つこともできる。構造的および自然画像を含む複数のデータセットに関する実験は,提案したネットワークが,コンテンツ精度およびテクスチャ詳細に関して,既存のものより優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  画像復元 ,  *画像 ,  ネットワーク ,  *コンテンツ ,  HF【周波数】
準シソーラス用語： 質感 ,  神経 ,  自然画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 画像修復 ,  スタイル ,  推定 ,  コンテンツ ,  装飾