City-GAN：使用自定义条件GAN架构学习建筑风格
计算机视觉与模式识别
2020-05-28 v2 图形学
机器学习
图像与视频处理
机器学习
摘要
生成对抗网络（GAN）是一种众所周知的技术，它在样本（例如水果图片）上训练，训练后能够生成逼真的新样本。条件GAN（CGAN）额外提供子类的标签信息（例如苹果、橘子、梨），使GAN更容易学习并提高其输出样本的质量。我们使用GAN学习主要城市的建筑特征并生成不存在的建筑图像。我们指出当前可用的GAN和CGAN架构不适合此任务，并提出一种自定义架构，证明我们的架构在该任务上具有更优性能，并通过大量实验验证其能力。
引用
@article{arxiv.1907.05280,
title = {City-GAN: Learning architectural styles using a custom Conditional GAN architecture},
author = {Maximilian Bachl and Daniel C. Ferreira},
journal= {arXiv preprint arXiv:1907.05280},
year = {2020}
}