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,異なる視点を持つ2つの画像ドメイン間の大きなギャップにより挑戦的な問題である,トップビューの空中画像に条件付けされた地上ビューパノラマ画像を合成する問題に取り組んだ。フィードフォワードパスにおける交差ビューマッピングを学習する代わりに,2つのキーコンポーネント,即ち,敵対フィードバックモジュールと二重分枝識別戦略を持つPanoGANという新しい敵対フィードバックGANフレームワークを提案した。最初に,空中画像を発生器に供給して,目標パノラマ画像とその関連セグメンテーションマップを,レイアウト意味論によるモデル訓練に好都合に作成した。第2に,著者らの敵対フィードバックモジュールによってコード化された識別器の特性応答を,中間表現を洗練するために発電機にフィードバックして,このように,発電性能を反復生成過程を通して連続的に改善した。第3に,生成されたパノラマ画像の高忠実度と意味的一貫性を追求するために,著者らは,発電機と弁別器の間の協調を容易にするために,二重分枝離散化戦略の下で画素分割アラインメント機構を提案する。2つの挑戦的なクロスビュー画像データセットに関する広範な実験結果は,PanoGANが最先端の手法よりもより説得力のある詳細で高品質パノラマ画像生成を可能にすることを示した。ソースコードと訓練されたモデルは,ウルル{https://github.com/sswuai/PanoGAN}で利用可能である。【JST・京大機械翻訳】