Yazar
Kınlı, Osman Furkan, Özcan, Barış, Kıraç, Mustafa Furkan
Basım Tarihi
2021-06
Basım Yeri
-
IEEE
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-1-6654-4899-4
Kayıt Numarası
9c51cb2a-139e-4ca3-b4da-1e0a54447536
Lokasyon
Bilgisayar Bilimi
Tarih
2021-06
Örnek Metin
Sosyal medya görselleri genel olarak filtrelenerek dönüştürülerek estetik açıdan daha hoş görünümler elde edilmektedir. Ancak CNN'ler genellikle sosyal medya görsellerinin görsel analizinde hem görseli hem de filtrelenmiş halini aynı şekilde yorumlamakta başarısız oluyor. Sosyal medya analiz uygulamalarına yönelik görüntü filtrelerinin etkilerini azaltmak amacıyla Instagram Filtre Kaldırma Ağı'nı (IFRNet) tanıtıyoruz. Bunu başarmak için, bir görüntüye uygulanan herhangi bir filtrenin ona önemli ölçüde ek stil bilgisi enjekte ettiğini varsayıyoruz ve bu sorunu ters stil aktarım sorunu olarak görüyoruz. Filtrelemenin görsel efektleri, kodlayıcının her düzeyinde harici stil bilgilerinin uyarlanabilir şekilde normalleştirilmesiyle doğrudan kaldırılabilir. Deneyler, IFRNet'in niceliksel ve niteliksel karşılaştırmalarda karşılaştırılan tüm yöntemlerden daha iyi performans gösterdiğini ve görsel efektleri büyük ölçüde ortadan kaldırma yeteneğine sahip olduğunu göstermektedir. Ayrıca, önerdiğimiz modelin filtre sınıflandırma performansını sunuyoruz ve karşılaştırılan tüm yöntemlerle filtrelenmemiş görüntüler üzerindeki baskın renk tahminini analiz ediyoruz.
DOI
10.1109/CVPRW53098.2021.00083
