在生成对抗网络中显式利用傅里叶频谱
计算机视觉与模式识别
2022-08-03 v1 机器学习
摘要
生成对抗网络因仅使用目标分布的数据集即可生成新图像的前沿性能而受到研究者关注。已有研究表明，真实图像与伪造图像的频谱之间存在差异。由于傅里叶变换是双射映射，可以合理得出结论：该模型在学习原始分布方面存在显著问题。本文中，我们探究当前GAN架构与数学理论中上述缺陷的可能原因。随后提出一种新模型以减小真实与伪造图像频谱间的差异。为此，我们利用几何深度学习的蓝图为频域设计了一种全新架构。接着，我们通过实验表明，在训练过程中将原始数据的傅里叶域表示作为主特征考虑，所生成图像的质量有令人鼓舞的提升。
引用
@article{arxiv.2208.01265,
title = {Explicit Use of Fourier Spectrum in Generative Adversarial Networks},
author = {Soroush Sheikh Gargar},
journal= {arXiv preprint arXiv:2208.01265},
year = {2022}
}
备注
Masters thesis