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。
コンピュータグラフィックスは,光現実的および制御可能なコンテンツ生成のためのデータ中心アプローチの最近のサージを経験した。特に,StyleGANは,画像品質と可制御性に関する生成モデリングのための新しい基準を設定する。しかし,StyleGANの性能は,ImageNetのような大きな非構造化データセット上でひどく劣化する。StyleGANを制御性のために設計した。したがって,以前の研究は,その制限的設計を多様なデータセットに不適当であると疑う。対照的に,現在の訓練戦略である主な制限因子を見出した。最近導入されたプロジェクトGANパラダイムに従って,著者らは,画像Net上で最新のStyleGAN3発生器を訓練するために,強力なニューラルネットワーク事前と進行性成長戦略を利用した。著者らの最終モデル,StyleGAN-XLは,大規模画像合成に新しい最先端技術をセットし,そのようなデータセットスケールで1024 ̄2の分解能で画像を生成する最初のものである。著者らは,このモデルがポートレートまたは特定のオブジェクトクラスの狭い領域を越えて画像を反転および編集できることを示した。【JST・京大機械翻訳】