ZeroShape: استنتاج در مورد تصاویر تولید شده توسط هوش مصنوعی

چکیده و 1 مقدمه

2. کارهای مرتبط

3. روش و 3.1. معماری

3.2. ضرر و 3.3. جزئیات پیاده سازی

4. بررسی داده ها

4.1. مجموعه داده های آموزشی

4.2. معیار ارزیابی

5. آزمایش ها و 5.1. معیارها

5.2. خطوط پایه

5.3. مقایسه با روش های SOTA

5.4. نتایج کیفی و 5.5. مطالعه ابلیشن

6. محدودیت ها و بحث

7. نتیجه گیری و مراجع

الف. مقایسه کیفی اضافی

ب. استنباط در مورد تصاویر تولید شده توسط هوش مصنوعی

ج. جزئیات مدیریت داده

ب. استنباط در مورد تصاویر تولید شده توسط هوش مصنوعی

ما نتایج اضافی ZeroShape را با استفاده از تصاویر تولید شده با DALL·E 3 ارائه می کنیم. برای آزمایش توانایی تعمیم خارج از دامنه، تصاویری از اشیاء خیالی را به عنوان ورودی مدل خود تولید می کنیم (شکل 10 را ببینید). علی‌رغم شکاف دامنه نسبت به تصاویر واقعی یا رندر شده، ZeroShape می‌تواند ساختار شکل کلی را به طور صادقانه بازیابی کند و نشانه‌های هندسه محلی را از تصویر ورودی به دقت دنبال کند. این نتایج همچنین پتانسیل استفاده از ZeroShape را در یک گردش کار تولید سه بعدی مبتنی بر متن نشان می دهد.

این مقاله در arxiv تحت مجوز CC BY 4.0 DEED موجود است.

نویسندگان:

(1) Zixuan Huang، دانشگاه ایلینوی در Urbana-Champaign و هر دو نویسنده به طور مساوی در این کار مشارکت داشتند.

(2) استفان استوجانوف، مؤسسه فناوری جورجیا و هر دو نویسنده به طور مساوی همکاری کردند…

Source link