基于对抗生成网络的纹理合成方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 机器人学研究室

	基于对抗生成网络的纹理合成方法
	韩志 ; 吴成东 ; 唐延东; 余思泉
刊名	红外与激光工程
	2018
卷号	47 期号:2 页码:43-48
关键词	纹理合成深度学习生成模型对抗生成网络
ISSN号	1007-2276
其他题名	Texture synthesis method based on generative adversarial networks
通讯作者	余思泉
产权排序	1
中文摘要	纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。
英文摘要	Texture synthesis is a hot research topic in the fields of computer graphics, vision, and image processing. Traditional texture synthesis methods are generally achieved by extracting effective feature patterns or statistics and generating random images under the constraint of the feature information. Generative adversarial networks (GANs) is a new type of deep network. It can randomly generate new data of the same distribution as the observed data by training generator and discriminator in an adversarial learning mechanism. Inspired by this point, a texture synthesis method based on GANs was proposed. The advantage of the algorithm was that it could generate more realistic texture images without iteration; the generated images were visually consistent with the observed texture image and also had randomness. A series of experiments for random texture and structured texture synthesis verify the effectiveness of the proposed algorithm.
收录类别	EI ; CSCD
语种	中文
CSCD记录号	CSCD:6207497
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/21581]
专题	沈阳自动化研究所_机器人学研究室
作者单位	1.东北大学信息科学与工程学院 2.中国科学院沈阳自动化研究所机器人学国家重点实验室
推荐引用方式 GB/T 7714	韩志,吴成东,唐延东,等. 基于对抗生成网络的纹理合成方法[J]. 红外与激光工程,2018,47(2):43-48.
APA	韩志,吴成东,唐延东,&余思泉.(2018).基于对抗生成网络的纹理合成方法.红外与激光工程,47(2),43-48.
MLA	韩志,et al."基于对抗生成网络的纹理合成方法".红外与激光工程 47.2(2018):43-48.