image generation3 [논문 리뷰] HistoGAN: Controlling Colors of GAN-Generated and Real Images via Color Histograms (CVPR 2021) HistoGAN은 StyleGAN2를 기반으로 색상을 Control 할 수 있게 수정한 모델이다. GAN을 통해 이미지를 생성할 때 색상을 조절하는 것은 상당히 까다로운 문제인데, 이 문제를 Color Histogram을 입력으로 받아 Histogram에 맞는 이미지를 생성하는 모델을 제안한다. log-chroma 공간의 2D Histogram을 사용하였으며 Recoloring을 위한 novelty 있는 손실 함수를 제안하여 Encoder-Decoder 모델인 ReHistoGAN도 설계하였다. Paper: https://arxiv.org/abs/2011.11731 Github: https://github.com/mahmoudnafifi/HistoGAN Introduction 색상을 조절하기 위해서는 입력.. 2021. 8. 31. [논문 리뷰] INR-GAN: Adversarial Generation of Continuous Images (CVPR 2021) 이 논문은 StyleGAN2보다 좋은 품질을 얻는 것이 아니라, 경량화와 MLP의 특성을 갖는 모델을 만드는 것을 목표로 두고 있다. 이를 위해 FMM과 Multi-Scale INR을 제안하였다. FMM은 Style Code를 분해하여 곱연산하는 것이고 Multi-Scale INR은 Synthesis Network의 매 블럭마다 촘촘해지는 좌표 그리드를 입력하는 것이다. 같은 시기의 CIPS와 비교하였을 때 성능은 떨어진다. Paper: https://arxiv.org/abs/2011.12026 Github: https://github.com/universome/inr-gan Introduction INR-GAN의 INR은 Implicit Neural Representation이며 이미지를 2D arra.. 2021. 8. 31. [논문 리뷰] CIPS: Image Generators with Conditionally-Independent Pixel Synthesis (CVPR 2021, Oral) CIPS의 궁극적인 목표는 각 픽셀을 독립적으로 생성하는 모델을 만드는 것이다. 그를 위해서 Conv를 사용하지 않는 것이 필수적이며, 그럼에도 고품질의 이미지를 얻기 위해 Positional Encoding을 추가하여 SoTA를 달성하였다는 것으로 요약할 수 있겠다. Paper: https://arxiv.org/abs/2011.13775 Github: https://github.com/saic-mdal/CIPS Introduction CIPS는 Spatial Convolution이나 Self Attention 없이 MLP를 사용해 이미지를 생성하는 모델이다. 일반적인 생성 모델이 Spatial Convolution을 사용한 방법을 제시하고 있음을 생각하면 Convolution 없이 SoTA를 달성하는 .. 2021. 8. 31. 이전 1 다음
