スタイルGAN-XL:大規模多様なデータセットへのスケーリングスタイルGAN【JST・京大機械翻訳】

Sauer Axel; Schwarz Katja; Geiger Andreas

プレプリント

J-GLOBAL ID：202202211773877497 整理番号：22P0282885

スタイルGAN-XL:大規模多様なデータセットへのスケーリングスタイルGAN【JST・京大機械翻訳】

StyleGAN-XL: Scaling StyleGAN to Large Diverse Datasets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年05月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る