FreNTS: Síntesis de Textura Neural en el Dominio de Frecuencias

Área de la Ciencia:

• Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
• Procesamiento de imágenes Procesamiento de imágenes.
• La inteligencia artificial es la inteligencia artificial.

Sus antecedentes:

• Los métodos de síntesis de textura existentes luchan con estructuras regulares y densamente interconectadas.
• La síntesis de texturas neuronales a menudo enfrenta desafíos para mantener la integridad estructural y el realismo.

Objetivo del estudio:

• Proponer un nuevo método de síntesis de textura neural, FreNTS, para generar texturas regulares realistas.
• Para mejorar la síntesis de textura mediante la incorporación de información de dominio de frecuencia y la pérdida de correspondencia guiada adaptativa.

Principales métodos:

• Utilizando la Transformación de Coseno Discreto (DCT) en parches de imagen para extraer características del dominio de frecuencia.
• Implementación de una función de pérdida de correspondencia guiada adaptativa (AGC) para la optimización conjunta del dominio espacial y de frecuencia.
• Introducción de Tile LPIPS como una métrica de evaluación cuantitativa para la calidad de la síntesis de textura.

Principales resultados:

• FreNTS sintetiza efectivamente texturas con estructuras continuas, completas y visualmente realistas.
• El método acelera la síntesis de la textura neural y captura detalles estructurales superiores utilizando información de alta frecuencia.
• Los resultados experimentales validan la eficacia de FreNTS en la generación de texturas regulares de alta calidad.

Conclusiones:

• FreNTS ofrece un avance significativo en la síntesis de texturas neuronales, especialmente para texturas regulares.
• La integración del análisis del dominio de frecuencia y la pérdida de AGC conduce a un mayor realismo y eficiencia.
• El método propuesto aborda las limitaciones de los enfoques anteriores en la síntesis de patrones estructurales complejos.