Vie privée

Lorsque vous visitez ce site, celui-ci peut stocker ou récupérer des informations sur votre navigateur, principalement sous forme de témoins (cookies). Ces informations ne permettent pas de vous identifier directement, elles sont utilisées pour faciliter la navigation et offrir une expérience plus personnalisée.... 

Toujours actif

Ces témoins sont indispensables au bon fonctionnement du site web et ne peuvent pas être désactivés de nos systèmes. Ils ne sont généralement qu’activés en réponse à des actions que vous effectuez, comme la configuration de vos préférences de confidentialité, la connexion ou le remplissage de formulaires.

Ces témoins permettent d’améliorer les fonctionnalités et la personnalisation de notre site, telles que par exemple l’utilisation de vidéos et de services de messagerie instantanée. Si vous n’acceptez pas cette catégorie de témoins, certaines ou toutes ces fonctionnalités seront susceptibles ne pas fonctionner correctement.

Aucun cookie à afficher.

Ces témoins nous permettent de déterminer le nombre de visites et les sources du trafic sur notre site web, afin d’en mesurer et d’en améliorer les performances. Ils nous aident également à identifier les pages les plus/moins visitées et à évaluer comment les visiteurs naviguent sur le site. Toutes les informations, collectées par ces témoins, sont agrégées et donc anonymisées.

Ces témoins peuvent être activés sur notre site web pour établir des profils sur vos intérêts. Ils nous aident à vous proposer des publicités et des contenus personnalisés sur d’autres sites. Si vous n’acceptez pas cette catégorie de témoins, des publicités moins ciblées sur vos intérêts vous seront proposées lors de votre navigation sur d’autres sites web.

Aucun cookie à afficher.

Adaptive Whitening Coloring Style Injection (AWCSI)

Dans le cadre des séminaires étudiants de l’IID, conférence d’Antoine Dufour, étudiant à la maîtrise en génie électrique à l’Université Laval, sur  l’introduction d’un module WCT qui peut être utilisé en remplacement des blocs AdaIN  dans les architectures GAN populaires existantes et présentons son impact sur les tâches de génération.

Date
  • 29 juin 2021
Heure

15h00 à 16h00

Localisation

En ligne

Coûts

Gratuit

Présentation de la conférence

Dans la génération et la manipulation d’images basées sur GAN, l’injection de style par Adaptive Instance Normalization (AdaIN) est devenue la norme de facto pour paramétrer la génération avec une représentation latente du domaine de l’image.  AdaIN fonctionne en modulant les statistiques des caractéristiques de l’image : il normalise d’abord les caractéristiques en soustrayant leur moyenne et en divisant par leur écart type puis il injecte un vecteur de style par l’inverse de cette opération.

Bien que cette méthode ait été utilisée avec succès dans une variété de scénarios de traduction d’image à image, la représentation statistique d’AdaIN est limitée en ce qu’elle ne prend pas en compte les corrélations entre les caractéristiques. Cependant, dans la littérature sur le transfert de style, la transformation de blanchiment et de coloration (WCT) est plutôt devenue l’approche privilégiée car elle rend pleinement compte de ces corrélations. Malheureusement, malgré ses performances en matière de transfert de style, l’utilisation du WCT n’a jusqu’à présent pas été explorée de manière approfondie pour l’injection de style.

Dans ce travail, nous comblons cette lacune en remplaçant AdaIN par un WCT explicite pour l’injection de style dans les GAN. Plus précisément, nous introduisons un module WCT qui peut être utilisé en remplacement des blocs AdaIN — sans aucun autre changement — dans les architectures GAN populaires existantes et présentons son impact sur les tâches de génération. Dans la génération d’images conditionnelles, où l’espace latent est destiné à représenter le style des images, nous constatons que le blanchiment aide à s’assurer que l’espace ne code que des informations stylistiques, ce qui permet au contenu de l’image conditionnelle d’être plus visible. Nous démontrons les performances de notre méthode sur StarGANv2 (pour la génération d’images conditionnelles) en utilisant AFHQ.

Restons en contact!

Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.