Rethinking cross-domain semantic relation for few-shot image generation

Training well-performing Generative Adversarial Networks (GANs) with limited data has always been challenging. Existing methods either require sufficient data (over 100 training images) for training or generate images of low quality and low diversity. To solve this problem, we propose a new Cross-do...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Applied intelligence (Dordrecht, Netherlands) Ročník 53; číslo 19; s. 22391 - 22404
Hlavní autoři:	Gou, Yao, Li, Min, Lv, Yilong, Zhang, Yusen, Xing, Yuhang, He, Yujie
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.10.2023 Springer Nature B.V
Témata:	Ablation Artificial Intelligence Computer Science Generative adversarial networks Image processing Image quality Machines Manufacturing Mechanical Engineering Processes Semantic relations Semantics Training Cross-domain semantic relation Generative adversarial networks Few-shot image generation Perceptual similarity Contrastive learning
ISSN:	0924-669X, 1573-7497
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!