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オート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考慮したコンパクトなエンコーダーと、適応型の周期的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ており、そこでは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。
私たちの実験では、視覚的な品質とさまざまなテクスチャ関連のメトリクスの点で、私たちのモデルが最先端のフィードフォワード手法よりも優れていることが実証されました。

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, Google