نقاشی مد تصویر آگاهانه با توضیحات با شبکه های عصبی کانولوشنال به روشی درشت به ریز
| عنوان | نقاشی مد تصویر آگاهانه با توضیحات با شبکه های عصبی کانولوشنال به روشی درشت به ریز |
|---|---|
| نویسنده | کینلی، عثمان فورکان، اوزجان، باریش، کیراچ، مصطفی فورکان |
| تاریخ انتشار: | 2020-04-14 |
| محل انتشار | - کتابخانه دیجیتال ACM |
| موضوع | یادگیری عمیق، تحلیل مد، یادگیری مولد، نقاشی درون تصویر، بازسازی تصویر، شبکه های عصبی چندوجهی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-145037749-2 |
| شماره ثبت | c1669139-45d4-4fdd-abb4-1e21831f78a4 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2020-04-14 |
| متن نمونه | رنگ آمیزی یک منطقه گمشده خاص در یک تصویر یک کار بینایی چالش برانگیز است، و پیشرفت های امیدوارکننده در این کار با کمک پیشرفت های اخیر در مطالعات یادگیری عمیق مرتبط با بینایی به دست آمده است. اگرچه ممکن است تأثیر مستقیمی بر تصمیمگیریهای سیستمهای تحلیل مد مبتنی بر هوش مصنوعی داشته باشد، تاکنون تعداد محدودی از مطالعات برای نقاشی درون تصویر در حوزه مد انجام شده است. در این مطالعه، ما یک رویکرد یادگیری عمیق مولد چندوجهی را برای پر کردن بخشهای گمشده در تصاویر مد با محدود کردن ویژگیهای بصری با ویژگیهای متنی استخراجشده از توضیحات تصویر پیشنهاد میکنیم. مدل ما از چهار بلوک اصلی تشکیل شده است که می تواند به عنوان استخراج کننده ویژگی متنی، تولید کننده تصویر درشت که توسط ویژگی های متنی هدایت می شود، مولد تصویر خوب که خروجی درشت را افزایش می دهد، و در نهایت تمایزکننده های جهانی و محلی که خروجی های تصفیه شده را بهبود می بخشد، معرفی می شود. چندین آزمایش انجام شده بر روی مجموعه داده FashionGen با ترکیبی متفاوت از اجزای شبکه عصبی نشان میدهد که رویکرد چندوجهی ما قادر به تولید وصلههای بصری قابل قبول برای پر کردن قسمتهای از دست رفته در تصاویر است. |
| DOI | 10.1145/3397125.3397155 |
