模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (7): 577-587    DOI: 10.16451/j.cnki.issn1003-6059.201707001
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
平行图像:图像生成的一个新型理论框架*
王坤峰1,2,鲁越1,3,王雨桐1,3,熊子威3,王飞跃1,4
1.中国科学院自动化研究所 复杂系统管理与控制国家重点实验室 北京100190
2.青岛智能产业技术研究院 平行视觉创新技术中心 青岛266000
3.中国科学院大学 计算机与控制学院 北京100049
4.国防科学技术大学 军事计算实验与平行系统技术研究中心 长沙410073
Parallel Imaging: A New Theoretical Framework for Image Generation
WANG Kunfeng 1,2, LU Yue1,3, WANG Yutong1,3, XIONG Ziwei3, WANG Fei-Yue1,4
1.The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190
2.Parallel Vision Innovation Technology Center, Qingdao Academy of Intelligent Industries, Qingdao 266000
3.School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing 100049
4.Research Center of Military Computational Experiments and Parallel Systems, National University of Defense Technology, Changsha 410073

全文: PDF (4273 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了提高计算机视觉系统的泛化能力,要求利用大规模、多样化、带标注的图像数据集,对视觉模型进行充分的学习与评估.由于从实际场景中获取图像具有局限性,文中提出一种图像生成理论框架,称为平行图像.平行图像的核心单元是软件定义的人工图像系统.从实际场景中获取特定的图像“小数据”,输入人工图像系统,生成大量新的人工图像数据.文中总结平行图像的实现方法,包括图形渲染、图像风格迁移、生成式模型等,并且对比分析人工图像和实际图像的特点,讨论领域适应策略.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王坤峰
鲁越
王雨桐
熊子威
王飞跃
关键词 平行图像模型学习图形渲染图像风格迁移生成式模型    
Abstract:To build computer vision systems with good generalization ability, large-scale, diversified, and annotated image data are required for learning and evaluating the in-hand computer vision models. Since it is difficult to obtain satisfying image data from real scenes, a new theoretical framework for image generation is proposed, which is called parallel imaging. The core component of parallel imaging is various software-defined artificial imaging systems. Artificial imaging systems receive small-scale image data collected from real scenes, and then generate large amounts of artificial image data. In this paper, the realization methods of parallel imaging are summarized, including graphics rendering, image style transfer, generative models, etc. Furthermore, the characteristics of artificial images and actual images are analyzed and the domain adaptation strategies are discussed.
Key wordsParallel Imaging    Model Learning    Graphics Rendering    Image Style Transfer    Generative Models   
收稿日期: 2017-07-07     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61533019,91520301,71232006)资助
作者简介: 王坤峰,男,1982年生,博士,副研究员, 主要研究方向为智能交通系统、智能视觉计算、机器学习.E-mail:kunfeng.wang@ia.ac.cn.
鲁 越,男,1994年生,硕士研究生,主要研究方向为平行视觉、机器学习、生成式对抗网络.E-mail:luyue2016@ia.ac.cn.
王雨桐,女,1994年生,博士研究生,主要研究方向为计算机图形学、图像处理、智能交通系统.E-mail:wangyutong2016@ia.ac.cn.
熊子威,男,1996年生,本科生,主要研究方向为机器学习、图像处理.E-mail:noahxiong@outlook.com.
王飞跃(通讯作者),男,1961年生,博士,研究员,主要研究方向为智能系统和复杂系统的建模、分析与控制.E-mail:feiyue.wang@ia.ac.cn.
引用本文:   
王坤峰,鲁越,王雨桐,熊子威,王飞跃. 平行图像:图像生成的一个新型理论框架*[J]. 模式识别与人工智能, 2017, 30(7): 577-587. WANG Kunfeng, LU Yue, WANG Yutong, XIONG Ziwei, WANG Fei-Yue. Parallel Imaging: A New Theoretical Framework for Image Generation. , 2017, 30(7): 577-587.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201707001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I7/577
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn