PulseAugur
中
实时 09:51:31
English(EN) Source-Agnostic Image Translation Based on Latent Aware Adaptive Masking

新的图像翻译方法使用扩散模型动态调整掩码

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的源无关图像翻译框架，该框架在反向扩散过程中动态地细化二值掩码。该方法利用时间相关的统计阈值方案，该方案源自预训练扩散模型中的预测差异，以适应不同噪声水平的掩码。该方法有效地分离了特定领域的区域，同时保持了全局结构一致性，在AFHQ和Celeba-HQ等数据集上，在真实感和保真度指标方面优于现有的无监督图像到图像方法。 AI

影响 这项研究可能带来更强大、更多功能的图像翻译工具，从而改进内容创作和数据增强等领域的应用。

排序理由 详细介绍计算机视觉新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

新的图像翻译方法使用扩散模型动态调整掩码

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tomislav Dobri\v{c}ki, Byung-Woo Hong ·

    基于潜在感知自适应掩码的源无关图像翻译

    arXiv:2608.14046v1 Announce Type: new Abstract: In this work, we propose a source-agnostic framework that dynamically refines a binary mask throughout the reverse diffusion process by computing the discrepancies of a pretrained diffusion model's prediction for each latent time st…

相关实体

相关话题