文献

J-GLOBAL ID：202202220122843498   整理番号：22A0560838

ウェーブレット分解による画像のための深い注意スタイル移動【JST・京大機械翻訳】

Deep attentive style transfer for images with wavelet decomposition

著者 (9件)： Ding Hong (School of Information and Statistics, Guangxi University of Finance and Economics, 530003, China) ,  Ding Hong (School of Computer Science, Wuhan University, 430072, China) ,  Fu Gang (School of Computer Science, Wuhan University, 430072, China) ,  Yan Qinan (JD.com American Technologies Corporation, CA 94043, United States) ,  Jiang Caoqing (School of Information and Statistics, Guangxi University of Finance and Economics, 530003, China) ,  Cao Tuo (School of Computer Science, Wuhan University, 430072, China) ,  Li Wenjie (School of Computer Science, Wuhan University, 430072, China) ,  Hu Shenghong (School of Computer Science, Wuhan University, 430072, China) ,  Xiao Chunxia (School of Computer Science, Wuhan University, 430072, China)
資料名： Information Sciences  (Information Sciences)
巻： 587  ページ： 63-81  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 画像スタイル転送プロセスにおけるテクスチャ保存の問題を解決するために,本論文は,しばしば小さな詳細を含んでいるが,人間の被験者(例えば,人間の顔)によって容易に注目される画像のための新しいスタイル転送方式を提示する。詳細保存とスタイル転送の間の適切なトレードオフを介してコンテンツ保存スタイル転送を達成することを目指した。この目的のために,分離型と詳細合成のための深いニューラルネットワークによるウェーブレット変換を利用した。さらに,スタイル転送は,シーンの意味論的構造の1対応を含み,それらのまわりで目立たない不自然な見逃しスタイル遷移を避けるべきである。上記の課題に取り組むために,コンテンツ保存スタイル化結果を生成するための局所1対応による新しいコンテンツ損失をマッチングし,設計するための注意機構と意味セグメンテーションを利用した。最後に,ウェーブレット変換を採用して,いくつかの不完全結果を修復するために,特徴最適化(FO)を実行した。Qabf評価とユーザ研究による様々な実験を行い,提案した方法を検証し,アンサンブルとテクスチャ保存のための最先端の手法に対する優位性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  意味論 ,  セグメンテーション ,  ニューラルネットワーク ,  *画像 ,  移動 ,  機械学習 ,  ウェーブレット変換 ,  コンテンツ
準シソーラス用語： 被験者 ,  *ウェーブレット分解 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  ウェーブレット変換 ,  画像スタイル転送 ,  光現実的スタイル ,  芸術スタイル

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ウェーブレット分解 ,  注意 ,  スタイル