用于遍历图像生成的扩张空间生成对抗网络
计算机视觉与模式识别
2019-05-22 v1 机器学习
图像与视频处理
摘要
生成模型近期因对抗学习而重新受到关注。生成对抗网络由样本生成模型与能区分真实与合成样本的判别模型组成。结合卷积（判别器）与反卷积（生成器）层，它们特别适合图像生成，尤其是自然场景。然而，全连接层的存在为生成图像添加了全局依赖。这可能导致输入噪声的微小局部变化引起生成样本的高幅度全局变化。本文提出使用基于全卷积网络（其中包括扩张层等）的架构，这类架构专为生成全局遍历图像（即无全局依赖的图像）而设计。实验表明这些架构非常适合生成如地质结构等自然纹理。
引用
@article{arxiv.1905.08613,
title = {Dilated Spatial Generative Adversarial Networks for Ergodic Image Generation},
author = {Cyprien Ruffino and Romain Hérault and Eric Laloy and Gilles Gasso},
journal= {arXiv preprint arXiv:1905.08613},
year = {2019}
}