BriefGPT - AI 论文速递
·
通过结构歧视和纹理调制改进少样本图像生成
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的结构和统计纹理知识蒸馏框架（SSTKD），通过引入轮廓线分解模块（CDM）和去噪纹理亮度均衡化模块（DTIEM）来结合结构和统计纹理知识。实验表明，该方法在Cityscapes、Pascal VOC 2012和ADE20K数据集上实现了最先进的性能。
🎯
关键要点
- 提出了一种新的结构和统计纹理知识蒸馏框架（SSTKD）。
- 引入了轮廓线分解模块（CDM）和去噪纹理亮度均衡化模块（DTIEM）。
- CDM通过迭代Laplacian金字塔和方向性滤波器组对低级特征进行分解。
- DTIEM通过启发式迭代量化和去噪操作自适应地提取和增强统计纹理知识。
- 每个知识学习由一个单独的损失函数进行监督。
- 实验表明，该方法在Cityscapes、Pascal VOC 2012和ADE20K数据集上实现了最先进的性能。
➡️
