A geometrically aware auto-encoder for multi-texture synthesis

要約

マルチテクスチャ合成のための自動エンコーダアーキテクチャを提案します。
このアプローチは、二次ニューラル統計を説明するコンパクトなエンコーダーと、適応周期コンテンツを組み込んだジェネレーターの両方に依存しています。
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、テクスチャ表現とその空間構成が解きほぐされます。
テクスチャ合成および補間タスクは、これらの潜在コードから直接実行できます。
私たちの実験は、視覚的な品質とさまざまなテクスチャ関連のメトリックに関して、モデルが最先端のフィードフォワード方法よりも優れていることを示しています。

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

著者 Pierrick Chatillon,Yann Gousseau,Sidonie Lefebvre
発行日 2023-03-08 14:26:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV パーマリンク