新的 Seed-to-Seed 方法结合了 GAN 和扩散模型进行图像翻译

研究人员开发了一种名为 Seed-to-Seed Translation (StS) 的新方法，该方法结合了生成对抗网络 (GAN) 和扩散模型来进行无配对的图像到图像翻译。该方法利用预训练扩散模型“种子空间”中的语义信息来执行复杂的翻译，特别是在汽车场景中，同时保持结构完整性。StS 方法使用以 CycleGAN 原理训练的 sts-GAN，并采用 ControlNet 进行结构保留，在性能上优于现有技术。 AI

影响 这项研究通过利用扩散模型种子中的语义信息，为图像编辑和操作提供了一种新颖的方法，有望提高图像翻译的质量和可控性。

排序理由 该集群描述了一篇 arXiv 论文中提出的新颖方法，该方法详细介绍了一种使用现有 AI 模型架构进行图像翻译的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• ControlNet
• CycleGAN
• diffusion models
• GANs
• Or Greenberg
• Seed-to-Seed Translation

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →