昇腾CANN论文上榜CVPR，全景图像生成算法交互性再增强！

摘要：近日，CVPR 2022放榜，基于CANN的AI论文《Interactive Image Synthesis with Panoptic Layout Generation》强势上榜。

本文分享自华为云社区《昇腾CANN论文上榜CVPR，全景图像生成算法交互性再增强！》，作者：昇腾CANN 。

近日，CVPR 2022放榜，基于CANN的AI论文《Interactive Image Synthesis with Panoptic Layout Generation》强势上榜。这为AI发烧友们开辟了一条新的图像生成之路，让疫情肆虐下足不出户的你，随手选择几个类别的基础元素，并做大小和位置的拖动，便能自动生成一副摄影作品，堪比专业摄影师！

CVPR全称IEEE Conference on Computer Vision and Pattern Recognition，是计算机视觉领域三大顶会之一，并且是唯一一个年度学术会议。在快速更新迭代的计算机学科中，CVPR已然成为了计算机视觉领域的“顶流”。

本论文基于交互式的图像生成，提出基于全景布局（Panoptic Layout）辅助图像生成的方法，即PLGAN（Panoptic Layout Generation）算法，提高了交互场景下生成图像的质量及其稳定性。该论文在COCO-Stuff和VG两个公开数据集和自行收集的Landscape风景数据集上，进行了实验验证并取得了很好的效果。目前已经在华为Atlas系列服务器上实现了该算法，其配备了昇腾AI处理器提供算力支持，并借助异构计算架构CANN（Compute Architecture for Neural Networks）充分释放硬件澎湃算力，发挥极致AI性能。

论文链接：https://arxiv.org/abs/2203.02104

下面我们来看下对比交互式图像生成方法Grid2Im，本论文PLGAN算法的表现效果：LINK

大多数交互式图像生成方法，都采用生成图像布局（Layout）为中间结果，来辅助最终的图像合成（例如 Grid2Im [1]）。为了解决交互场景下图像生成质量稳定性问题，我们从图像布局（Layout）构建入手。通常的图像布局（Layout）有逐像素填充的语义图层（例如GauGAN），还有基于Bounding Box的实例图像布局（Instance Layout）。

语义图层在空间布局上逐像素对应生成的图像，可以很好的控制需要合成的图像，但其构建比较复杂，因此大多数多模态图像生成和交互场景采用实例图像布局（Instance Layout）。然而，实例图像布局（Instance Layout）本质上是采用由不同物体的位置方框（Bounding Box）和形状（Mask）组合而成的，不同物体的位置方框（Bounding Box）之间和形状边缘的不匹配，都会出现图像布局填不满的情况，在用户交互的场景下尤其明显，这使得以此为条件的条件生成模型，在最终生成图像中出现伪影和噪声，如图1所示。因此构建一个可以解决此“区域缺失”问题的图像布局（Layout），是我们所关注的重点。

针对上述问题，我们引入全景分割[3]的概念，提出了基于全景布局（Panoptic Layout）的图像合成方法。在全景分割问题中[3]，将物体类别分为了可数类（things）和不可数类（stuff），其中可数类（things）指有特定形状的前景类别，不可数类（stuff）指没有特定形状的背景类别。因此我们引入此概念，将通常的实例布局（Instance Layout）构建过程中分为Instance分支和Stuff分支分别处理可数类（things）和不可数类（stuff），如下图所示。

Instance分支采用通常的做法，先同时生成位置方框和形状，然后将其组合成实例布局（Instance Layout）。对于Stuff分支则使用全新的做法，直接生成填充布局（Stuff Layout），由于此结果是直接由模型通过Softmax层得到，其在整个图像空间上，不会有空缺部分，以此来解决“区域缺失”问题。因为对于不可数类别，其形状也不是固定的，这种整体生成的方式对于类别识别来说，不会带来很大的影响。分别生成的两个布局，可以通过ISA-Norm层来聚合到一起，形成最后的布局（Layout）。从布局（Layout）到最终的图像生成，我们采用SOTA模型CAL2I [2]方法，得到最终的合成图像。

在实验设计上，我们采用对公开数据集的标注信息做扰动的方式，模拟交互式场景下的输入，在指标和视觉对比上，都得到了SOTA（state of the art）水平，尤其在输入扰动的情况下，生成图像的质量更加稳定。

昇腾社区同步上新基于该论文的AI试玩应用，小伙伴们在给定的画布中，可以选择任意元素，大海、沙滩、天空，随心拼接拆合，然后通过华为Atlas 200DK推理，可实时生成独一无二的真实AI风景画，单击LINK快速访问。

特别福利：近期，我们也将邀请论文作者进行在线分享，欢迎关注“CANN训练营”活动，精彩不容错过！

参考文献：

[1] Oron Ashual and Lior Wolf. Specifying object attributes and relations in interactive scene generation. In Proceedings of the IEEE International Conference on Computer Vision, pages 4561–4569, 2019.
[2] Sen He, Wentong Liao, Michael Yang, Yongxin Yang, Yi-Zhe Song, Bodo Rosenhahn, and Tao Xiang. Context-aware layout to image generation with enhanced object appearance. In CVPR, 2021.
[3] Alexander Kirillov, Kaiming He, Ross Girshick, Carsten Rother, and Piotr Doll´ar. Panoptic segmentation. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pages 9404–9413, 2019.

点击关注，第一时间了解华为云新鲜技术~