文献

J-GLOBAL ID：201902290793816233   整理番号：19A1341476

実時間スタイル転送意味ネットワークによる自然画像の浄化【JST・京大機械翻訳】

Purifying naturalistic images through a real-time style transfer semantics network

著者 (5件)： Zhao Tongtong (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Yan YuXiao (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Shehu Ibrahim Shehi (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Fu Xianping (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China) ,  Wang Huibing (Information Science and Technology College, Dalian Maritime University, Dalian 116026, China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 81  ページ： 428-436  発行年： 2019年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,学習による合成の進歩は,合成画像のための訓練モデルを提案して,それは人間と材料資源のコストを効果的に減少することができた。しかし,実際の画像と比較して合成画像の異なる分布のために,望ましい性能はまだ達成できない。実画像は複数の光配向からなるが,合成画像は均一な光配向からなる。これらの特徴は,それぞれ屋外および屋内シーンの特徴であると考えられる。この問題を解決するために,以前の方法は合成画像の現実性を改善するモデルを学習した。以前の方法と異なり,本論文は,実際の画像を精製するために最初のステップを取った。スタイル移動タスクを通して,屋外の実画像の分布を屋内合成画像に変換し,それにより光の影響を低減した。そこで,本論文では,入力画像(実画像)の画像コンテンツ情報(例えば注視方向,瞳孔中心位置)を保存し,スタイル画像(合成画像)のスタイル情報(例えば,画像色構造,意味的特徴)を推定する実時間スタイル転送ネットワークを提案した。さらに,ネットワークはモデルの収束速度を加速し,マルチスケール画像に適応する。混合研究(定性的および定量的)法を用いて実験を行い,複雑な方向における実画像の浄化の可能性を実証した。定性的に,LPWデータセットの一連の屋内および屋外シナリオにおいて,提案した方法を利用可能な方法と比較した。定量的用語において,交差データ集合に関する注視推定モデルを訓練することによって,それは精製画像を評価した。結果は,生の実画像と比較して,ベースライン法よりも有意な改善を示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  学習 ,  モデル ,  基準線 ,  意味ネットワーク ,  *画像
準シソーラス用語： 推定モデル ,  マルチスケール ,  収束速度 ,  屋内 ,  光配向 ,  合成画像 ,  自然画像 ,  *実時間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 凝視推定 ,  スタイルトランスファ ,  フィードフォワードネットワーク ,  合成の学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 実時間 ,  スタイル ,  転送 ,  意味ネットワーク ,  自然画像 ,  浄化