<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>图像合成 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E5%9B%BE%E5%83%8F%E5%90%88%E6%88%90/</link>
    <description>Recent content in 图像合成 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Fri, 03 Oct 2025 03:47:49 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E5%9B%BE%E5%83%8F%E5%90%88%E6%88%90/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>GAN生成图像的显式控制技术解析</title>
      <link>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Fri, 03 Oct 2025 03:47:49 +0800</pubDate>
      <guid>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;显式控制gan生成的合成图像&#34;&gt;显式控制GAN生成的合成图像&lt;/h1&gt;&#xA;&lt;p&gt;近年来，生成对抗网络（GAN）已经展示了从零开始合成逼真视觉图像的卓越能力。但是控制GAN输出的特定特征——例如光照条件或视角，或者人物是否微笑或皱眉——一直很困难。大多数方法依赖于对GAN参数空间的试错探索。最近一种控制合成人脸的方法涉及使用图形软件生成3D原型，这是一个繁琐的过程，控制有限且仅限于单一图像类别。&lt;/p&gt;</description>
    </item>
    <item>
      <title>GAN生成图像的显式控制技术</title>
      <link>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Wed, 17 Sep 2025 09:13:16 +0800</pubDate>
      <guid>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;显式控制gan生成的合成图像&#34;&gt;显式控制GAN生成的合成图像&lt;/h1&gt;&#xA;&lt;p&gt;近年来，生成对抗网络（GAN）展现了从零开始合成逼真视觉图像的卓越能力。但控制GAN输出的特定特征（如光照条件、视角、人物表情等）一直存在困难。大多数方法依赖于对GAN参数空间的试错探索。近期一种控制合成人脸的方法涉及使用图形软件生成3D原型，这个过程繁琐且控制有限，仅适用于单一图像类别。&lt;/p&gt;</description>
    </item>
    <item>
      <title>GAN生成图像的显式控制技术</title>
      <link>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Tue, 16 Sep 2025 12:19:54 +0800</pubDate>
      <guid>https://blog.qife122.com/p/gan%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E7%9A%84%E6%98%BE%E5%BC%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;显式控制gan生成的合成图像&#34;&gt;显式控制GAN生成的合成图像&lt;/h1&gt;&#xA;&lt;p&gt;近年来，生成对抗网络（GANs）展现了从零开始合成逼真视觉图像的卓越能力。但控制GAN输出的特定特征——例如光照条件、视角，或人物是否微笑——一直很困难。大多数方法依赖于对GAN参数空间的试错探索。最近一种控制合成人脸的方法涉及使用图形软件生成3D原型，这是一个繁琐的过程，控制有限且仅限于单一图像类别。&lt;/p&gt;</description>
    </item>
    <item>
      <title>计算机视觉如何革新在线购物体验</title>
      <link>https://blog.qife122.com/p/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%A6%82%E4%BD%95%E9%9D%A9%E6%96%B0%E5%9C%A8%E7%BA%BF%E8%B4%AD%E7%89%A9%E4%BD%93%E9%AA%8C/</link>
      <pubDate>Sat, 13 Sep 2025 12:14:14 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%A6%82%E4%BD%95%E9%9D%A9%E6%96%B0%E5%9C%A8%E7%BA%BF%E8%B4%AD%E7%89%A9%E4%BD%93%E9%AA%8C/</guid>
      <description>&lt;h3 id=&#34;计算机视觉如何助力在线购物&#34;&gt;计算机视觉如何助力在线购物&lt;/h3&gt;&#xA;&lt;p&gt;在计算机视觉顶会CVPR 2020上，某中心展示了三项互补性技术，通过神经网络提升商品发现效率。这些技术专注于服装零售场景，涵盖图像搜索优化、搭配推荐和虚拟试穿三大方向。&lt;/p&gt;</description>
    </item>
    <item>
      <title>非线性控制GAN图像生成的新方法</title>
      <link>https://blog.qife122.com/p/%E9%9D%9E%E7%BA%BF%E6%80%A7%E6%8E%A7%E5%88%B6gan%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90%E7%9A%84%E6%96%B0%E6%96%B9%E6%B3%95/</link>
      <pubDate>Fri, 12 Sep 2025 04:15:27 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E9%9D%9E%E7%BA%BF%E6%80%A7%E6%8E%A7%E5%88%B6gan%E5%9B%BE%E5%83%8F%E7%94%9F%E6%88%90%E7%9A%84%E6%96%B0%E6%96%B9%E6%B3%95/</guid>
      <description>&lt;h1 id=&#34;非线性控制gan图像生成的新方法&#34;&gt;非线性控制GAN图像生成的新方法&lt;/h1&gt;&#xA;&lt;p&gt;生成对抗网络（GANs）是一种能够生成高度逼真合成图像的技术。从一组真实图像中，GAN学习从潜在分布到训练数据集所表示的图像分布的映射。通过控制GAN修改图像是一个活跃的研究领域，其应用包括数据集创建和增强、图像编辑以及娱乐应用。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
