Open Yagami360 opened 3 years ago
ベースモデル 本手法のモデルは、pix2pix-HD の生成器と識別器で構成され、以下の VGG loss + Adv loss の損失関数で学習される単純なモデルになっている。
TPS 変換に基づくデータオーギュメント(DA) 本手法では、TPS 変換に基づくデータオーギュメント(DA)を行うことで、1枚の学習用データ画像から画像生成することを実現する。 具体的には、入力画像に対して各学習イテレーション度に、ランダムにサンプリングされた別の異なる TPS 変換を行うようにする。また、ランダムなアフィン変換での回転DAも行うようにする
プリミティブ画像(セグメンテーション画像・エッジ画像)の利用
生成画像の定性的品質検証
0. 論文情報・リンク
1. どんなもの?
2. 先行研究と比べてどこがすごいの?
3. 技術や手法の"キモ"はどこにある?
ベースモデル 本手法のモデルは、pix2pix-HD の生成器と識別器で構成され、以下の VGG loss + Adv loss の損失関数で学習される単純なモデルになっている。
TPS 変換に基づくデータオーギュメント(DA)
本手法では、TPS 変換に基づくデータオーギュメント(DA)を行うことで、1枚の学習用データ画像から画像生成することを実現する。 具体的には、入力画像に対して各学習イテレーション度に、ランダムにサンプリングされた別の異なる TPS 変換を行うようにする。また、ランダムなアフィン変換での回転DAも行うようにする
プリミティブ画像(セグメンテーション画像・エッジ画像)の利用
4. どうやって有効だと検証した?
生成画像の定性的品質検証
5. 議論はあるか?
6. 次に読むべき論文はあるか?
7. 参考文献