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。
1つの自然画像の視覚的外観をもう1つに意味的に転送する方法を示した。特に,筆者らの目標は,ソース構造画像におけるオブジェクトが,ターゲット外見画像における意味的関連オブジェクトの視覚外観で「修復」される画像を生成することである。著者らの方法は,入力として単一構造/外観画像対だけを与えられた発電機を訓練することによって動作する。意味情報を著者らのフレームワークに統合するために,このタスクをタックリングする重要な構成要素である,重要なアイデアは,事前訓練および固定ビジョン変換(ViT)モデルを利用することであり,それは外部意味的事前として役立ったものである。”ことである。”という重要なアイデアは,事前訓練および固定Vition変換機(ViT)モデルを利用することである。特に,深いViT特徴から抽出した構造と外見の新しい表現を導出し,学習した自己注意モジュールからそれらをねじれた。次に,望ましい構造と外見表現をスプライスする目的関数を確立し,それらをViT特徴の空間に一緒に織り込む。「Splice」と呼ぶフレームワークは敵対訓練を含まず,意味的セグメンテーションや対応のような付加的入力情報を必要とせず,高分解能結果,例えばHDにおける作業を発生できる。オブジェクトの数,それらの姿勢および外見における大きな変化の下で,様々なインザイス画像対に関する高品質結果を実証した。【JST・京大機械翻訳】