BriefGPT - AI 论文速递
·
基于距离加权的 Transformer 网络用于图像补全
💡
原文约400字/词，阅读约需1分钟。
📝
内容提要
本文提出了一种新的图像生成架构，利用基于距离加权变换器的方法和卷积神经网络来增强图像完成过程，有效减少了视觉歧义问题。同时，引入了残差快速傅里叶卷积块来进一步改进对重复纹理的生成，并提出了一种归一化卷积的非零值的技术和高效的训练稳定器。通过在三个数据集上进行实验，证明了该模型相比现有方法的优越性。
🎯
关键要点
-
提出了一种新的图像生成架构，结合基于距离加权变换器和卷积神经网络。
-
该架构增强了图像完成过程，有效减少了视觉歧义问题。
-
引入了残差快速傅里叶卷积块，改进了对重复纹理的生成。
-
提出了一种归一化卷积的非零值技术和高效的训练稳定器。
-
通过在三个数据集上进行实验，证明了该模型的优越性。
🏷️
标签
➡️
