Accueil - Connexion

Generation automatique d'image, transfert de style

ATM3C Generation automatique d'image, transfert de style S5
Cours : 9 h TD : 0 h TP : 4 h Projet : 0 h Total : 13 h
Responsable : Luc Brun
Pré-requis
Initiation au traitement d'images.
Objectifs de l'enseignement
Ce cours présente des méthodes profondes et non profondes permettant de réaliser plusieurs transformations d'images (filtrage, édition d'images, transfert de style....)



Programme détaillé
I) Méthodes basées sur des patchs (filtrage d'images, édition d'images, synthèse de textures, peinture, transfert de style)
• Filtrage d'images avec des méthodes à base de voisinages

• Application à l'édition d'images

• Synthèse de textures

• Transfer de style

II) Méthodes basées sur les réseaux de neurones Filtrage (débruitage, élimination des artefacts), super-résolution, inpainting : image profonde antérieure [Ulyanov et al.'17]
• Synthèse des textures et transfert de style : [Gatys et al. '15]

• Génération d'images avec l'architecture GAN : [Goodfellow et al.'14], DCGAN
[Radford et al. '15], PGGANs [Karras '17], BIGGAN [Brock '18], Style
GAN [Karras '19]
Applications (TD ou TP)
Filtrage/édition d'images, transfert de style, synthèse de texture, peinture,
Compétences acquises
Vision par ordinateur, traitement d'image, apprentissage profond
Bibliographie
Elhassani, M., Jehan-Besson, S., Brun, L., Revenu, M., Duranton, M., Tschumperle, D. & et al. A Time-Consistent Video Segmentation Algorithm designed for Real-Time Implementation. VLSI Design, 2008( Article ID 892370 ): 12 pages, 2008.

http://fr.wikipedia.org/wiki/Segmentation_d%27image

© 2024 - ENSICAEN ( Mentions Légales - Crédits )