.png){kind=icon}
返回
Multiple one-shot image generation via deep structure reshuffle
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107862.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单次图像生成(OSG)模型近年来因对训练样本数量要求宽松(仅需一个)而备受关注。然而，这些方法无法同时建模不同类别(如“气球”和“鸟类”图像)的多个样本，这限制了模型的应用和发展。为此，我们提出了一种统一框架来解决该问题，称为多类别单次图像生成(MultiOSG)方法。MultiOSG的核心设计是将图像解耦为结构码和纹理码，并通过提出的结构重构(Structure Reshuffle)获得新的结构码。与原始结构码相比，新码应具有良好的局部多样性和全局可控性。然后，将新结构与原始纹理码结合以获得相应的生成结果。定性和定量实验结果表明，我们的MultiOSG在OSG任务中具有竞争力。此外，MultiOSG能够建模多张图像并生成各类别的随机样本，扩展了经典OSG方法的局限性。代码将在被接受后通过https://github.com/gouayao/MultiOSG发布。
Keyword:
One-Shot image Generation
MultiOSG
structure code
texture code
disentanglement
