ترجمه تخصصی ارزان مقاله GAN Composional: یادگیری ترکیب دودویی تصویر-شرطی (اسپرینگر 2020)

ارسال توسط وب‌رویا در 2020, اسپرینگر Springer, پژوهشی, علوم کامپیوتر, فناوری اطلاعات و کامپیوتر, هوش مصنوعی

ترجمه تخصصی ارزان مقاله GAN Composional: یادگیری ترکیب دودویی تصویر-شرطی (اسپرینگر 2020)

ترجمه فارسی چکیده مقاله:

شبکه‌های طرف مقابل مخالف می‌توانند تصاویری از پیچیدگی و واقع گرایی قابل توجه تولید کنند، اما معمولاً برای نمونه‌برداری از یک منبع نهان واحد صرفنظر از تعامل فضایی صریح بین چندین موجود که می‌توانند در یک صحنه حضور داشته باشند، ساخته شده‌اند. گرفتن چنین تعامل‌های پیچیده بین اشیاء مختلف در جهان، از جمله مقیاس‌بندی نسبی آن‌ها، چیدمان فضایی، انسداد یا تغییر دیدگاه، یک مشکل چالش برانگیز است. در این کار، ما یک شبکه جدید ترکیب سازگار با تجزیه جدید برای نوشتن یک جفت از اشیاء پیشنهاد می‌کنیم. با توجه به تصاویر شیء از دو توزیع مجزا، مدل ما می‌تواند به دنبال بافت و شکل اشیاء ورودی، یک تصویر کامپوزیت واقع بینانه از توزیع مشترک آن‌ها ایجاد کند. ما رویکرد خود را از طریق آزمایش‌های کیفی و ارزیابی کاربران بررسی می‌کنیم. نتایج ما نشان می‌دهد که مدل آموخته شده تعامل بالقوه بین دو حوزه شی را ضبط می‌کند و صحنه‌های کاملاً واقعی را در زمان آزمون تولید می‌کند.
کلمات کلیدی: شبکه مشروط تولیدی شرطی · ترکیب · تجزیه

 

عنوان مقاله انگلیسی:

Compositional GAN: Learning Image-Conditional Binary Composition

چکیده مقاله انگلیسی:

Generative Adversarial Networks can produce images of remarkable complexity and realism but are generally structured to sample from a single latent source ignoring the explicit spatial interaction between multiple entities that could be present in a scene. Capturing such complex interactions between different objects in the world, including their relative scaling, spatial layout, occlusion, or viewpoint transformation is a challenging problem. In this work, we propose a novel self-consistent Composition-by-Decomposition network to compose a pair of objects. Given object images from two distinct distributions, our model can generate a realistic composite image from their joint distribution following the texture and shape of the input objects. We evaluate our approach through qualitative experiments and user evaluations. Our results indicate that the learned model captures potential interactions between the two object domains, and generates realistic composed scenes at test time.
Keywords: Conditional Generative Adversarial Network · Composition · Decomposition

 

تعداد صفحات مقاله: 16

تاریخ انتشار مقاله: 2020

نشریه: اسپرینگر Springer

Computer Vision

فرمت فایل: pdf

حجم فایل: 3/893KB

 

لینک دانلود رایگان مقاله انگلیسی:

مقاله GAN Composional یادگیری ترکیب دودویی تصویر-شرطی

** مبلغ ترجمه تخصصی ارزان این مقاله : 20000 تومان **

»»شما اکنون 50% از کل مبلغ ترجمه را پرداخت کرده و باقی مبلغ را پس از آماده شدن ترجمه خواهید پرداخت.

»»پس از ثبت سفارش ترجمه، طی حداکثر 5 روز کاری آینده، ترجمه فارسی به‌صورت دو فایل word و pdf برای شما آماده می‌شود و به شما اطلاع‌رسانی خواهد شد.

 

فعلا امکان ارسال دیدگاه برای این پست وجود ندارد.