Die Studie präsentiert einen neuartigen Ansatz zur Extraktion hochauflösender stilisierter Skizzen aus Gesichtsbildern, der mit einer begrenzten Anzahl von Bildpaaren trainiert werden kann. Im Gegensatz zu früheren Methoden, die Skizzen direkt aus Bildern extrahieren und daher nur begrenzte Informationen liefern, nutzt unser Ansatz die Informationen aus dem Inversionsprozess und der Extraktion tiefer Merkmale. Dazu wird ein neu vorgeschlagenes Deep-Fusion-Modul verwendet, das räumliche und Kanal-Merkmale kombiniert. Außerdem wird eine zweistufige Lernmethode eingeführt, die speziell für das Skizzenextraktions-Training entwickelt wurde.
Die Effektivität des Verfahrens wird durch umfangreiche quantitative und qualitative Evaluierungen validiert. Obwohl der Fokus auf Skizzenextraktionen im Gesichtsbereich liegt, zeigen wir auch, dass unser Ansatz mit begrenzten Daten auf andere Domänen wie Hunde- und Gebäudebilder erweitert werden kann. Darüber hinaus ermöglicht unser Verfahren Anwendungen wie die Erzeugung von Gesichtsbildern aus Skizzen und das semantische Editieren von Skizzen, ohne auf große Datensätze angewiesen zu sein.
翻譯成其他語言
從原文內容
arxiv.org
深入探究