PaletteGAN: Palette-Guided Controllable Colorization for Fashion Sketches
本文提出了 PaletteGAN,一种调色板引导的生成对抗网络(GAN)框架,该框架通过整合保持亮度的增强技术、感知优化的六色调色板构建以及专门的生成器-判别器架构,增强了时尚草图上色过程中的结构保持能力和色彩可控性,并在 Cleaned Maryland 数据集上实现了在视觉真实感和设计一致性方面的卓越性能。
4092 篇论文
本文提出了 PaletteGAN,一种调色板引导的生成对抗网络(GAN)框架,该框架通过整合保持亮度的增强技术、感知优化的六色调色板构建以及专门的生成器-判别器架构,增强了时尚草图上色过程中的结构保持能力和色彩可控性,并在 Cleaned Maryland 数据集上实现了在视觉真实感和设计一致性方面的卓越性能。
本文提出了因果韧性图算子(Causal Resilience Graph Operator, CRGO),这是一个将因果机器学习与图学习相结合的统一动力系统,旨在同时对全球跨境投资网络的演化、冲击传播及反事实韧性进行建模,从而实现严密的预测与系统性韧性审计。
本文介绍了 DOLPHIN,这是一个利用离线大语言模型和检索增强生成技术来显著增强数字取证调查准备就绪性的隐私保护框架,通过准确评估证据完整性、检测特定缺口并减少案件准备时间,同时确保数据保持本地化。
本研究通过实证表明,人工智能通过增强信息共享、决策制定和组织协调,显著促进了城市绿色交通的发展,且这些积极效应在人口密度、能源消耗、污染和交通拥堵较高的城市中尤为显著。
本文提出了 WDQAR,这是一种用于飞行自组网(Flying Ad Hoc Networks)的自适应路由协议,该协议利用加权双 Q 学习框架结合动态邻居发现和基于扇区的过滤技术,旨在减轻高度移动无人机环境中的 Q 值估计偏差并优化路由性能。
本文提出了一种先进的作物推荐系统,该系统利用随机过采样技术、改进的归一化和混合特征选择方法,以及一种新型的集成金字塔场景解析网络(PSPNet)的宽切片残差网络(Wide Sliced Residual Network),以根据归一化土壤数据准确预测最佳作物。
本文提出了一种基于 Transformer 的 TrOCR 框架,该框架通过直接识别经过预处理的历史摩洛哥阿拉伯语手稿文本行,绕过了困难的字符分割问题,从而实现了对复杂且退化的书法进行有效转录,以用于数字遗产保护。
本文介绍了 Text2Cypher-Hub,这是一个通过发布三个经过策划的特定领域基准测试,并建立一个用于共享数据集、模型和工具的标准注册表,从而解决将自然语言转换为 Cypher 查询的高质量评估资源匮乏问题的社区驱动型平台。
本系统综述综合了 2020 年至 2026 年间可解释人工智能(XAI)赋能的网络安全检测研究,旨在识别评估与鲁棒性方面的关键空白,并提出一个多维分类法和结构化研究议程,以指导开发值得信赖且在操作上有效的防御系统。
本文介绍了一种用于临床缩略语消歧的可审计评估协议,该协议揭示了高基准准确率如何往往掩盖了数据泄漏和候选词覆盖度问题,并论证了可靠的临床自然语言处理评估需要分别报告泄漏鲁棒性、候选词支持度和校准可靠性,而非仅仅依赖单一的准确率得分。