文献

J-GLOBAL ID：202002225734555542   整理番号：20A2462567

意味論的画像合成のための二重注意GAN【JST・京大機械翻訳】

Dual Attention GANs for Semantic Image Synthesis

著者 (3件)： Tang Hao (University of Trento, Trento, Italy) ,  Bai Song (University of Oxford, Oxford, United Kingdom) ,  Sebe Nicu (University of Trento & Huawei Research Ireland, Trento, Italy)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 1994-2002  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 本論文では,意味ラベルマップを光現実的画像に転送することを目的とする意味画像合成タスクに焦点を当てた。既存の方法は,意味情報を保存して,空間とチャネル次元の両方における構造的相関を無視するために,有効な意味制約を欠き,不満足なぼけとアーチファクトしやすい結果をもたらす。これらの限界に取り組むために,著者らは,余分な訓練オーバヘッドを課すことなく,また既存の方法のネットワークアーキテクチャを修正せずに,入力レイアウトから微細詳細を有する光現実的および意味的に一貫した画像を合成するための,新しい二重注意GAN(DAGAN)を提案した。また,空間およびチャネル次元における意味構造注意を捉えるために,2つの新しいモジュール,すなわち,位置ごとの空間注意モジュール(SAM)およびスケールワイズチャネル注意モジュール(CAM)を提案した。特に,SAMは空間注意マップにより各位置で画素を選択的に相関し,それらの空間距離に関係なく互いに関連する同じ意味ラベルを持つピクセルを導いた。一方,CAMはチャネル注意マップにより各チャネルでスケール毎の特徴を選択的に強調し,それらのスケールに関係なくすべてのチャネルマップ間の関連特徴を統合した。最後に,特徴表現をさらに改善するために,SAMとCAMの出力を要約した。4つの挑戦的なデータセットに関する大規模な実験は,DAGANが最先端の方法よりも著しく良い結果を達成する一方,より少ないモデルパラメータを使用することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意味論 ,  ネットワーク ,  画素 ,  *画像合成 ,  チャネル ,  アーチファクト ,  ネットワークアーキテクチャ
準シソーラス用語： モデルパラメータ ,  オーバヘッド , 【Automatic Indexing@JST】

著者キーワード (4件)： チャネル注意 ,  生成敵対ネットワーク(ガン) ,  意味論的画像合成 ,  空間注意

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 意味論 ,  画像合成 ,  注意 ,  GaN