用于高质量图像到图像翻译的判别区域提议对抗网络
计算机视觉与模式识别
2018-08-07 v3
摘要
随着生成对抗网络（GANs）的引入，图像到图像翻译已取得很大进展。然而，对于需要高质量尤其是高分辨率与照片真实感的翻译任务，仍非常具有挑战性。本文提出判别区域提议对抗网络（DRPAN）用于高质量图像到图像翻译。我们将图像到图像翻译任务的过程分解为三个迭代步骤：首先通过GAN生成具有全局结构但含局部伪影的图像；其次使用我们的DRPnet从生成图像中提议最虚假的区域；第三通过修正器对最虚假区域实施“图像修复”以获得更真实的结果，从而使系统（DRPAN）能逐步优化，合成时更多关注最伪影的局部部分。在多种图像到图像翻译任务与数据集上的实验验证，我们的方法在人工感知研究与自动定量度量两方面均优于现有最优方法，可生成高质量翻译结果。
引用
@article{arxiv.1711.09554,
title = {Discriminative Region Proposal Adversarial Networks for High-Quality Image-to-Image Translation},
author = {Chao Wang and Haiyong Zheng and Zhibin Yu and Ziqiang Zheng and Zhaorui Gu and Bing Zheng},
journal= {arXiv preprint arXiv:1711.09554},
year = {2018}
}
备注
ECCV 2018