抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
任意のスタイル移動における畳み込みニューラルネットワークの電力を,十分に実証した。しかし,既存のスタイル化法は顕著なアーチファクトで空間的に矛盾する結果を生成する傾向がある。この問題に対する一つの解決策は,画像コンテンツに関連する空間情報を保存するためのセグメンテーションマスクまたは親和性ベース画像マッティングの適用を含む。本研究の主なアイデアは,コンテンツ画像ピクセル間の空間関係をモデル化し,その結果,アーチファクトを低減するためのスタイロ化におけるこの関係を維持することである。提案したネットワークアーキテクチャは空間関係増強VGG(SRVGG)と呼ばれ,そこでは長距離空間依存性が空間関係モジュールによってモデル化される。SRVGGから抽出したこの空間情報に基づいて,コンテンツ画像とスタイル化の間の空間依存性の差を最小化することができる新しい関係損失を設計した。提案フレームワークを最適化ベースとフィードフォワードベーススタイル転送法の両方で評価した。セグメンテーションマスクまたは親和性ベースの画像マットを必要とせずに,高品質で空間的一貫性のスタイロ化画像を生成することによって,スタイロ化におけるSRVGGの有効性を実証した。また,定量的評価は,提案フレームワークが他の方法と比較してより良い性能を達成することを示唆した。Copyright 2021 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】