A geometrically aware auto-encoder for multi-texture synthesis

要約

我々は、マルチテクスチャ合成のためのオートエンコーダアーキテクチャを提案する。このアプローチは、2次の神経統計量を考慮したコンパクトなエンコーダと、適応的な周期的内容を組み込んだジェネレータの両方に依存する。画像はコンパクトで幾何学的に一貫した潜在空間に埋め込まれ、そこではテクスチャ表現とその空間構成が分離される。テクスチャ合成と補間タスクは、これらの潜在的コードから直接実行することができる。我々の実験は、我々のモデルが、視覚的品質と様々なテクスチャ関連のメトリクスの点で、最先端のフィードフォワード法を上回ることを実証している。

要約(オリジナル)

We propose an auto-encoder architecture for multi-texture synthesis. The approach relies on both a compact encoder accounting for second order neural statistics and a generator incorporating adaptive periodic content. Images are embedded in a compact and geometrically consistent latent space, where the texture representation and its spatial organisation are disentangled. Texture synthesis and interpolation tasks can be performed directly from these latent codes. Our experiments demonstrate that our model outperforms state-of-the-art feed-forward methods in terms of visual quality and various texture related metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL