利用预训练生成对抗网络进行图像编辑与复原的综述
计算机视觉与模式识别
2022-07-22 v1 图像与视频处理
摘要
生成对抗网络（GANs）因其简单而有效的训练机制与卓越的图像生成质量而备受关注。凭借生成照片级真实高分辨率（如 ）图像的能力，近期的 GAN 模型已大幅缩小生成图像与真实图像间的差距。因此，许多近期工作展现出利用预训练 GAN 模型的新兴兴趣，通过挖掘解耦良好的潜空间与学到的 GAN 先验。本文从三个方面简要回顾利用预训练大规模 GAN 模型的近期进展，即 1）大规模生成对抗网络的训练，2）探索与理解预训练 GAN 模型，以及 3）利用这些模型用于图像复原与编辑等后续任务。关于相关方法与代码库的更多信息可在 https://github.com/csmliu/pretrained-GANs 获取。
引用
@article{arxiv.2207.10309,
title = {A Survey on Leveraging Pre-trained Generative Adversarial Networks for Image Editing and Restoration},
author = {Ming Liu and Yuxiang Wei and Xiaohe Wu and Wangmeng Zuo and Lei Zhang},
journal= {arXiv preprint arXiv:2207.10309},
year = {2022}
}
备注
25 pages, 11 figures