Key points are not available for this paper at this time.
Die Synthese realistischer Bilder aus von Menschen gezeichneten Skizzen ist ein herausforderndes Problem in der Computergraphik und Computer Vision. Bestehende Ansätze benötigen entweder exakte Konturenkarten oder sind auf die Wiederherstellung vorhandener Fotografien angewiesen. In dieser Arbeit schlagen wir einen neuartigen Generativen Gegenspieler-Netzwerk (GAN)-Ansatz vor, der plausible Bilder aus 50 Kategorien, einschließlich Motorrädern, Pferden und Sofas, synthetisiert. Wir demonstrieren eine datengestützte Augmentierungstechnik für Skizzen, die vollständig automatisiert ist, und zeigen, dass die augmentierten Daten für unsere Aufgabe hilfreich sind. Wir führen einen neuen Netzwerkbaustein ein, der sowohl für den Generator als auch für den Diskriminator geeignet ist und den Informationsfluss verbessert, indem das Eingabebild in mehreren Skalen eingespeist wird. Im Vergleich zu modernen Bildübersetzungsmethoden erzeugt unser Ansatz realistischere Bilder und erreicht signifikant höhere Inception-Scores.
Chen et al. (Fr,) haben diese Frage untersucht.
Synapse has enriched 2 closely related papers on similar clinical questions. Consider them for comparative context: