Anysize GAN：图像变形问题的一种解决方案
图像与视频处理
2020-07-10 v2 计算机视觉与模式识别
摘要
我们提出一种新型生成对抗网络（GAN）以解决深度学习中的常见问题。我们开发了一种可应用于现有基于潜向量 GAN 结构的新型架构，使其能即时生成任意尺寸的图像。现有的用于图像生成的 GAN 需要尺寸匹配的统一图像。然而，公开可用的数据集（如 ImageNet）包含数千种不同尺寸。调整图像大小会导致形变并改变图像数据，而我们的网络不需要这一预处理步骤。我们对标准数据加载技术做了重大改动，以支持加载任意尺寸图像进行训练。我们还通过添加多个输入和一种新颖的动态缩放层，以两种方式修改了网络。最后我们对判别器进行调整以在多种分辨率上工作。若内存允许，这些改动可使多种分辨率的数据集无需任何缩放即可训练。我们在 ISIC 2019 皮肤病变数据集上验证了结果。我们展示了我们的方法能成功无碍地生成不同尺寸的逼真图像，保留并理解空间关系，同时保持特征关系。我们将在论文被接收后发布源代码。
引用
@article{arxiv.2003.03233,
title = {Anysize GAN: A solution to the image-warping problem},
author = {Connah Kendrick and David Gillespie and Moi Hoon Yap},
journal= {arXiv preprint arXiv:2003.03233},
year = {2020}
}