حذف فیلتر اینستاگرام روی تصاویر مد روز

عنوان حذف فیلتر اینستاگرام روی تصاویر مد روز
نویسنده کینلی، عثمان فورکان، اوزجان، باریش، کیراچ، مصطفی فورکان
تاریخ انتشار: 2021-06
محل انتشار - IEEE
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-6654-4899-4
شماره ثبت 9c51cb2a-139e-4ca3-b4da-1e0a54447536
محل کتابخانه علوم کامپیوتر
تاریخ 2021-06
متن نمونه تصاویر رسانه های اجتماعی عموماً با فیلتر کردن تغییر شکل می دهند تا ظاهری زیباتر به دست آورند. با این حال، CNN ها معمولاً در تحلیل تصویری تصاویر رسانه های اجتماعی، تصویر و نسخه فیلتر شده آن را یکسان تفسیر نمی کنند. ما شبکه حذف فیلتر اینستاگرام (IFRNet) را برای کاهش اثرات فیلترهای تصویر برای برنامه های تحلیل رسانه های اجتماعی معرفی می کنیم. برای رسیدن به این هدف، فرض می‌کنیم که هر فیلتری که روی یک تصویر اعمال می‌شود، به طور قابل‌توجهی اطلاعات سبک اضافی را به آن تزریق می‌کند و این مشکل را به عنوان یک مشکل انتقال سبک معکوس در نظر می‌گیریم. جلوه‌های بصری فیلتر کردن را می‌توان مستقیماً با عادی‌سازی اطلاعات سبک خارجی در هر سطح از رمزگذار حذف کرد. آزمایش‌ها نشان می‌دهد که IFRNet از همه روش‌های مقایسه شده در مقایسه‌های کمی و کیفی بهتر عمل می‌کند و توانایی حذف جلوه‌های بصری را تا حد زیادی دارد. علاوه بر این، ما عملکرد طبقه‌بندی فیلتر مدل پیشنهادی خود را ارائه می‌کنیم و تخمین رنگ غالب را روی تصاویر فیلتر نشده با همه روش‌های مقایسه تحلیل می‌کنیم.
DOI 10.1109/CVPRW53098.2021.00083
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی
دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی دانشگاه اوزیغین

حذف فیلتر اینستاگرام روی تصاویر مد روز

نویسنده کینلی، عثمان فورکان، اوزجان، باریش، کیراچ، مصطفی فورکان
تاریخ انتشار 2021-06
محل انتشار - IEEE
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-1-6654-4899-4
شماره ثبت 9c51cb2a-139e-4ca3-b4da-1e0a54447536
محل کتابخانه علوم کامپیوتر
تاریخ 2021-06
متن نمونه تصاویر رسانه های اجتماعی عموماً با فیلتر کردن تغییر شکل می دهند تا ظاهری زیباتر به دست آورند. با این حال، CNN ها معمولاً در تحلیل تصویری تصاویر رسانه های اجتماعی، تصویر و نسخه فیلتر شده آن را یکسان تفسیر نمی کنند. ما شبکه حذف فیلتر اینستاگرام (IFRNet) را برای کاهش اثرات فیلترهای تصویر برای برنامه های تحلیل رسانه های اجتماعی معرفی می کنیم. برای رسیدن به این هدف، فرض می‌کنیم که هر فیلتری که روی یک تصویر اعمال می‌شود، به طور قابل‌توجهی اطلاعات سبک اضافی را به آن تزریق می‌کند و این مشکل را به عنوان یک مشکل انتقال سبک معکوس در نظر می‌گیریم. جلوه‌های بصری فیلتر کردن را می‌توان مستقیماً با عادی‌سازی اطلاعات سبک خارجی در هر سطح از رمزگذار حذف کرد. آزمایش‌ها نشان می‌دهد که IFRNet از همه روش‌های مقایسه شده در مقایسه‌های کمی و کیفی بهتر عمل می‌کند و توانایی حذف جلوه‌های بصری را تا حد زیادی دارد. علاوه بر این، ما عملکرد طبقه‌بندی فیلتر مدل پیشنهادی خود را ارائه می‌کنیم و تخمین رنگ غالب را روی تصاویر فیلتر نشده با همه روش‌های مقایسه تحلیل می‌کنیم.
DOI 10.1109/CVPRW53098.2021.00083
دانشگاه اوزیغین - موتور جستجوی نسخه های خطی عثمانی
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید