공정한 트랜스포머를 이용한 스토리 시각화

스토리 시각화는 연속적인 이미지 생성을 목표로 하는 고급 컴퓨터 비전 작업으로, 생성된 샘플이 현실적이면서 조건에 충실하고 순차적으로 일관성이 있어야 합니다. 본 연구에서는 새로운 아키텍처 및 학습 접근법을 제안합니다: 편향되지 않은 트랜스포머(Impartial Transformer)는 가능한 한 적은 학습 가능한 매개변수를 사용하여 텍스트와 관련된 타당한 장면과 순차적 일관성을 모두 달성합니다. 이 개선은 가려진 객체가 포함된 '어려운' 샘플의 생성도 처리할 수 있으며, 과거의 방법들과 비교하여 평가 지표에서 향상된 결과를 보여줍니다.