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。
本論文では,深層生成ネットワークを用いて,単一画像における人体の意味論的再形成のための新しい方法である,神経Reformerを提案した。大域的にコヒーレントな再成形効果を達成するために,この手法は,まず,パラメトリック3D人間モデルをソースヒト画像にフィットさせ,次にユーザ指定意味属性に関して適合3Dモデルを再構成する,適合-テア型パイプラインに従う。”その方法”は,まず,パラメータ3D人間モデルに適合し,次に,ソース人間画像に適合させ,次に,ユーザ指定意味属性に関して,適合3Dモデルを再構成する。以前の方法は,画像ワーピングに依存し,全画像ドメインに3D再成形効果を転送し,従って,前景と背景の両方で歪を引き起こすことが多い。対照的に,著者らは,より現実的な再成形結果を達成するために,ソース画像および再形状3Dモデルによって誘起された2Dワーピング場に条件付けされた生成広告ネットに頼る。特に,2ヘッドUNet様発電機を用いてソース画像における前景と背景情報を別々に符号化し,特徴空間ワーピングにより前景枝から背景分岐までの情報フローを誘導した。さらに,対データが存在しない(即ち,異なる形状における同じ人体)というデータ不足問題を扱うため,ネットワークを訓練するための新しい自己監督戦略を導入した。不正確な物体から画像へのフィッティングに起因する望ましくないアーチファクトを修正するための手動努力を必要とする以前の方法とは異なり,この方法は完全に自動である。屋内および屋外データセットの両方に関する広範な実験は,以前のアプローチに対する著者らの方法の優位性を実証した。【JST・京大機械翻訳】