SWAGAN：一种基于风格的 wavelet 驱动生成模型
信号处理
2021-02-12 v1
摘要
近年来，生成对抗网络(GANs)的视觉质量取得了可观进展。即便如此，这些网络仍因频谱偏置的架构以及同样不利的损失函数，而在高频内容质量上出现退化。为解决此问题，我们提出一种新颖的通用基于风格与 WAvelet 的 GAN(SWAGAN)，其在频域中实现渐进式生成。SWAGAN 在其生成器与判别器架构中全程引入小波，在每一步都强制频率感知的潜在表示。该方法提升了生成图像的视觉质量，并显著提高了计算性能。我们通过将该方法集成到 StyleGAN2 框架中来证明我们的方法优势，并验证在 wavelet 域中进行内容生成可带来具有更真实高频内容的更高质量图像。此外，我们验证了我们模型的潜在空间保留了使 StyleGAN 能够作为众多编辑任务基础的特性，并展示我们频率感知的方法也带来了改善的下游视觉质量。
引用
@article{arxiv.2102.06107,
title = {A Low Cost Modular Radio Tomography System for Bicycle and Vehicle Detection and Classification},
author = {Marcus Haferkamp and Benjamin Sliwa and Christian Wietfeld},
journal= {arXiv preprint arXiv:2102.06107},
year = {2021}
}
备注
7 pages, 9 figures, 3 tables, Accepted for presentation in: 2021 Annual IEEE International Systems Conference (SysCon)