用于高分辨率图像合成的自嵌入生成对抗网络
计算机视觉与模式识别
2019-04-01 v2
摘要
通过生成对抗网络(GAN)生成图像近来备受关注。然而,现有大多数基于GAN的方法只能生成质量有限的低分辨率图像。直接使用GAN生成高分辨率图像并非易事,且常产生物体不完整的异常图像。为解决此问题,我们提出了一种称为自嵌入生成对抗网络(AEGAN)的新型GAN,其同时编码全局结构特征并捕捉细粒度细节。在我们的网络中,我们使用自编码器学习真实图像的内在高层结构,并设计一种新颖的去噪器网络为生成图像提供照片级真实细节。在实验中,我们能够从输入噪声直接生成质量可观的512x512图像。在包括Oxford-102 Flowers、Caltech-UCSD Birds (CUB)、High-Quality Large-scale CelebFaces Attributes (CelebA-HQ)、Large-scale Scene Understanding (LSUN)和ImageNet在内的多个数据集上,所得图像表现出优于其他基线的感知照片真实感,即更锐利的结构与更丰富的细节。
引用
@article{arxiv.1903.11250,
title = {Auto-Embedding Generative Adversarial Networks for High Resolution Image Synthesis},
author = {Yong Guo and Qi Chen and Jian Chen and Qingyao Wu and Qinfeng Shi and Mingkui Tan},
journal= {arXiv preprint arXiv:1903.11250},
year = {2019}
}
备注
Accepted by IEEE Transactions on Multimedia