Core Concepts
単一の生成モデルを学習することで、様々なタイプのノイズパターンを合成し、それらを自然に補間することができる。
Abstract
本論文では、単一の生成モデルを学習することで、様々なタイプのノイズパターンを合成し、それらを自然に補間することができるという手法を提案している。
具体的には以下の3つの特徴を持つ:
18種類のノイズ関数から成るデータセットを用いて、単一の生成モデルを学習する。これにより、様々なタイプのノイズパターンを生成できる。
空間的に変化するノイズパターンを生成するために、空間的に適応的な正規化(SPADE)を用いた。また、データ拡張手法のCutMixを導入することで、空間的に変化するノイズパターンを学習できるようにした。
生成モデルのパラメータと入力ランダム性を組み合わせることで、ノイズパターンを直感的に制御できる。また、生成されたノイズは繰り返しのない大きなサイズのテクスチャを生成できる。
この手法により、従来のノイズ合成手法では実現が難しかった、自然な補間や空間的に変化するノイズパターンの生成が可能となった。また、逆プロシージャルマテリアル設計の応用例も示されている。
Stats
1.2百万枚のノイズ画像から成るデータセットを使用した
18種類のノイズ関数をサンプリングしている
各ノイズ関数について16,384個のパラメータセットをサンプリングし、4つのシードで生成した、合計65,536枚の画像を用意した