检索结果-南通市图书馆

检索条件"主题词=草图引导训练"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

草图引导下的人体姿态生成算法研究

草图引导下的人体姿态生成算法研究

引用

作者：吴欣蔚西安理工大学

学位级别：硕士

近几年,AIGC技术飞速发展,AI生成的内容正逐步进入人们的生活,改变人类社会的生产和生活方式。这一发展浪潮中,生成对抗网络得到了广泛的研究,在其生成能力快速增长的背后是复杂的网络设计、大规模的数据收集和昂贵的训练资源,从零开始... 详细信息

近几年,AIGC技术飞速发展,AI生成的内容正逐步进入人们的生活,改变人类社会的生产和生活方式。这一发展浪潮中,生成对抗网络得到了广泛的研究,在其生成能力快速增长的背后是复杂的网络设计、大规模的数据收集和昂贵的训练资源,从零开始训练一个生成对抗网络的难度不断增加。为此本课题从经过预训练的生成网络开始,研究草图引导下的训练流程。用户绘制一张草图,借助草图训练生成模型,经过训练后,生成模型能够生成符合草图姿态的丰富样本。用户绘制的草图多种多样,给网络对草图中姿态语义的理解带来障碍,为了提高网络对用户绘制草图的适应能力,本文从辨别器和生成器两个方面进行研究。辨别器部分,使用大数据集上经过预训练的视觉模型对训练进行辅助,将其以辨别器的方式加入训练中,从而增强辨别器网络的辨别能力,减轻用户绘制草图风格、笔触、细节方面等对训练的影响。生成器部分,在训练映射网络的基础上,为中间向量上加上一个同维度的可学习的向量,为了防止其对映射网络的训练产生干扰,我们设置一较小的权重,以此帮助网络生成姿态更加符合的结果。针对训练过程中出现的生成结果多样性下降的问题,本文引入增量学习领域中的弹性权重整合损失,根据参数的重要程度对参数的变化进行约束,以此减缓训练过程中的多样性下降速度。在此基础上,提出一种弹性权重损失的动态加入方法,在训练中对各个参数的重要性系数进行动态调整。结合对参数重要性系数和变化率的分析,对映射网络中的不同层采用不同的调整策略,以此提高生成内容的多样性与质量。本文在风格人体高质量数据集SHHQ的基础上,构建了由相同姿态图像组成的测试数据集,用于代表真实的目标分布,从而更好地评估生成模型的性能。实验证明,本文提出的方法在测试数据集上的各项指标均有提高,验证了算法的有效性。

关键词：生成对抗网络草图引导训练预训练视觉辅助模型弹性权重整合 FID分数

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：