- …
- …
#728
summarized by : 金城 忍
どんな論文か？
生成器から出力される各層の特徴量マップを、ピクセル単位でアノテーションされたデータで学習したモデルで、復号化すると同時にアップサンプリングして、全ての復号化された画像を結合して線形変換 (または非線形変換) を与え、生成された合成画像と生成器からのそれに対して領域分割した画像との間の損失を取ることで、合成画像における各領域のセマンティクス性を改善する提案
新規性
セマンティクス性を復号化する線形変換 (または非線形変換) モデルを使用して生成された合成画像を使用して、GANの合成画像に対して各領域に対するセマンティクス性を改善するという点で新規
結果
CelebAHQで学習したStyleGAN及びFFHQ、LSUNで学習したSyleGAN2に提案手法を適応した視覚的評価では、よりセマンティックス性が改善された領域分割を確認する一方で、提案手法の線形、非線形変換の比較においては、畳み込みそうを使用した非線形変換に対する定量評価で良い結果を確認した (mIoU値)
その他（なぜ通ったか？等）
- …
- …