MétaCan
Menu
Retour à la cohorte
Enregistrement W4288246334 · doi:10.48550/arxiv.1908.11525

Class-Based Styling: Real-time Localized Style Transfer with Semantic\n Segmentation

2019· preprint· en· W4288246334 sur OpenAlexaff
Lironne Kurzman, David Vázquez, Issam Laradji

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomaineComputer Science
ThématiqueGenerative Adversarial Networks and Image Synthesis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSegmentationComputer scienceLeverage (statistics)Artificial intelligenceFrame (networking)Computer visionClass (philosophy)Object (grammar)Style (visual arts)Transfer (computing)GeographyParallel computing

Résumé

récupéré en direct d'OpenAlex

We propose a Class-Based Styling method (CBS) that can map different styles\nfor different object classes in real-time. CBS achieves real-time performance\nby carrying out two steps simultaneously. While a semantic segmentation method\nis used to obtain the mask of each object class in a video frame, a styling\nmethod is used to style that frame globally. Then an object class can be styled\nby combining the segmentation mask and the styled image. The user can also\nselect multiple styles so that different object classes can have different\nstyles in a single frame. For semantic segmentation, we leverage DABNet that\nachieves high accuracy, yet only has 0.76 million parameters and runs at 104\nFPS. For the style transfer step, we use a popular real-time method proposed by\nJohnson et al. [7]. We evaluated CBS on a video of the CityScapes dataset and\nobserved high-quality localized style transfer results for different object\nclasses and real-time performance.\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,183
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetGenerative Adversarial Networks and Image SynthesisTravaux en français237 207