分层 GAN 方法用于仿 Monet 风格图像生成
计算机视觉与模式识别
2024-12-10 v1 人工智能
摘要
生成对抗网络 (GAN) 已被证明是生成艺术图像的强大工具，能够模仿名人画家的风格，如 Claude Monet。本文引入一种分层 GAN 模型，通过多阶段过程逐步细化图像质量，在每一步增强生成图像。该模型将随机噪声转化为细致的艺术表现，旨在解决训练不稳定、模式坍缩和输出质量等常见挑战。该方法结合了下采样和卷积技术，能够在优化计算效率的同时生成高质量的仿 Monet 风格艺术品。实验结果表明，该架构能够产生基础的艺术结构，尽管还需进一步细化以实现更高的真实感和对 Monet 风格的忠实度。未来工作将聚焦于改进训练方法和模型复杂度，以缩小生成图像与真实艺术品之间的差距。此外，分析了传统 GAN 在艺术生成中的局限性，并提出了克服这些短板的策略。
关键词
引用
@article{arxiv.2412.05724,
title = {A Tiered GAN Approach for Monet-Style Image Generation},
author = {FNU Neha and Deepshikha Bhati and Deepak Kumar Shukla and Md Amiruzzaman},
journal= {arXiv preprint arXiv:2412.05724},
year = {2024}
}