Симпатичные рисунки для AVU (47 фотографий) »Рисунки для рисунков и не только
рисунки для рисунков
Скачать
Maria Feller
Скачать
Красивые картинки для рисунков
Скачать
рисунки для рисунков с набросками с аэскиз. карандаш свет ужасы
Скачать
Прикольные схемы наказания
Скачать
Рисунки для девочек
Скачать
Рисунки девушек с карандашом Light
Скачать
Рисунки Girls
Скачать
Draw A Girl
Скачать
рисунки для рисунков для рисунков
Скачать
Anime Drawings с Pencil
40003
Кудрявые волосы карандашом
Скачать
Милые девушки карандашом
Скачать
Милые мультяшные девушки
Скачать
Fashionable avatars for adolescents
Download
Beautiful drawings of girls light
Download
Drawings are light and karsia
Download
Pictures for sketching light cute
Download
Girl deer
Скачать
Красивые простые рисунки
Скачать
Милые девушки с карандашом
Скачать
Cartoon Girl с Black VL
СкачатьКрасивые картинки для рисунков
Скачать
Рисунки косметики для наброски с карандашом
Скачать
Anime Arta с Pencil
Dow рисунки
Скачать
Красивые картинки для срисовки
Скачать
Милые рисунки карандашом
Скачать
Девушки для рисования
Скачать
Девушки для рисования
Скачать
рисунки с карандашом девушки с задней
Скачать
Современные и прохладные и прохладные чертежи
Скачать
Girl Brawing Light Small
Красивые стили рисования
Скачать
.
девушка
Скачать
Рисунки карандашом грустный свет для начинающих
Скачать
Идеи для рисования 12 лет
Скачать
Cool Mini Drawings
Скачать
Girl с камерой для рисунков
СИТИКА скетчинг
Скачать
Милана Курзаева
Скачать
Мими рисунки карандашом
Скачать
Крутые рисунки карандашом
Скачать
Милые рисунки карандашом
Скачать
Скачать
ArtPDGAN: Создание художественного карандашного рисунка с использованием карты ключей с использованием генеративных состязательных сетей Fish
, Sadi, 1.
9000. М., Ким, В.Г., Ван, З., Шехтман, Э., Даррелл, Т.: Мультиконтентная GAN для передачи стиля шрифта с несколькими кадрами. arXiv Computer Vision and Pattern Recognition (2017)
2. Чен Ю., Лай Ю., Лю Ю.: CartoonGAN: генеративно-состязательные сети для мультипликации фотографий, стр. 9465–9474 (2018)
3. Гао, В., Чжан, X., Ян, Л., Лю, Х.: Улучшенное обнаружение границ Собеля, том. 5, pp. 67–71 (2010)
4. Gatys, L.A., Ecker, A.S., Bethge, M.: Синтез текстур с использованием сверточных нейронных сетей. arXiv Computer Vision and Pattern Recognition (2015)
5. Gatys, L.A., Ecker, A.S., Bethge, M.: Передача стиля изображения с использованием сверточных нейронных сетей, стр. 2414–2423 (2016)
6. Gatys, L.A., Экер, А.С., Бетге, М., Герцманн, А., Шехтман, Э.: Управление факторами восприятия при переносе нейронного стиля, стр. 3730–3738 (2017)
7. Гонсалес С.И., Мелин П., Кастро Дж.Р., Мендоса О., Кастильо О. Усовершенствованный метод обнаружения границ Собеля, основанный на обобщенной нечеткой логике типа 2.
Мягкий. вычисл. 2016;20(2):773–784. doi: 10.1007/s00500-014-1541-0. [CrossRef] [Google Scholar]
8. Goodfellow, I., et al.: Генеративные состязательные сети, стр. 2672–2680 (2014)
9. Hertzmann, A., Jacobs, C.E., Oliver, N., Курлесс Б., Салесин Д.: Аналогии изображений, стр. 327–340 (2001)
-перевод изображения. arXiv Компьютерное зрение и распознавание образов (2018)
11. Изола, П., Чжу, Дж., Чжоу, Т., Эфрос, А.А.: Преобразование изображения в изображение с условными состязательными сетями. arXiv Computer Vision and Pattern Recognition (2016)
12. Джонсон, Дж., Алахи, А., Фейфей, Л.: Потери восприятия при передаче стиля в реальном времени и сверхвысоком разрешении. arXiv Computer Vision and Pattern Recognition (2016)
13. Ким, Т., Ча, М., Ким, Х., Ли, Дж. К., Ким, Дж.: Обучение обнаружению междоменных отношений с генеративно-состязательными сетями, стр. 1857–1865 (2017)
14. Кумар С., Саксена Р., Сингх К. Дробное преобразование Фурье и обнаружение границ изображения на основе исчисления дробного порядка.
Цирк. Сист. Сиг. Процесс. 2017;36(4):1493–1513. doi: 10.1007/s00034-016-0364-x. [CrossRef] [Google Scholar]
15. Lee, H., Tseng, H., Huang, J., Singh, M., Yang, M.: Разнообразный перевод изображения в изображение с помощью распутанных представлений, стр. 36. –52 (2018)
16. Ли, К., Ванд, М.: Объединение марковских случайных полей и сверточных нейронных сетей для синтеза изображений. arXiv Компьютерное зрение и распознавание образов (2016)
17. Li, Y., Fang, C., Hertzmann, A., Shechtman, E., Yang, M.: Im2Pencil: управляемая иллюстрация карандашом по фотографиям, стр. 1525–1534 (2019)
18. Ляо J, Яо И, Юань Л, Хуа Г, Кан СБ. Передача визуальных атрибутов через глубокую аналогию изображения. АКМ транс. График . 2017;36(4):120. doi: 10.1145/3072959.3073683. [CrossRef] [Google Scholar]
19. Лю, М., Брейель, Т.М., Каутц, Дж.: Неконтролируемые сети перевода изображения в изображение. arXiv Компьютерное зрение и распознавание образов (2017)
20. Лу, К.
21. Салиманс, Т., Гудфеллоу, И., Zaremba, W., Cheung, V., Radford, A., Chen, X.: Усовершенствованные методы обучения GAN. arXiv Learning (2016)
22. Ши, Ю., Пэрис, С., Барнс, К., Фриман, В.Т., Дюран, Ф.: Перенос стиля для портретов, снятых в голову. В: Международная конференция по компьютерной графике и интерактивным методам, том. 33, нет. 4, с. 148 (2014)
23. Симонян К., Зиссерман А. Очень глубокие сверточные сети для крупномасштабного распознавания изображений. arXiv Computer Vision and Pattern Recognition (2014)
24. Steiner, B., et al.: PyTorch: императивный стиль, высокопроизводительная библиотека глубокого обучения (2019)
25. Wang, T., Liu, M. , Zhu, J., Tao, A., Kautz, J., Catanzaro, B.: Синтез изображений с высоким разрешением и семантическая манипуляция с условными GAN, стр. 8798–8807 (2018)
26. Wei Y, Wang Z , Сюй М. Структура дороги усовершенствована cnn для извлечения дорог из аэрофотоснимков.