用于汽车图像生成的深度卷积 GAN

Dong Hui Kim

用于汽车图像生成的深度卷积 GAN

计算机视觉与模式识别 2020-06-26 v1 图像与视频处理

作者: Dong Hui Kim

摘要

在本文中，我们研究了深度卷积 GAN 在汽车图像生成上的应用。我们改进了常用的 DCGAN 架构：通过实现 Wasserstein 损失来减少模式崩溃（mode collapse），并在判别器末端引入 dropout 以增加随机性。此外，我们在生成器末端引入卷积层以提升表达能力并平滑噪声。这些对 DCGAN 架构的改进构成了我们提出的新型 BoolGAN 架构，其能够将 FID 从 195.922（基线）降低至 165.966。

关键词

深度卷积 GAN 汽车图像生成 DCGAN Wasserstein 损失模式崩溃 BoolGAN FID

引用

@article{arxiv.2006.14380,
  title  = {Deep Convolutional GANs for Car Image Generation},
  author = {Dong Hui Kim},
  journal= {arXiv preprint arXiv:2006.14380},
  year   = {2020}
}