FQGA-single：面向图像到图像转换任务的更少训练轮次与更少模型参数
图像与视频处理
2025-08-12 v4 计算机视觉与模式识别
机器学习
摘要
本文提出了一种受CycleGAN启发的新模型FQGA-single，旨在更高效地生成高质量的医学合成CT（sCT）图像。我们在SynthRAD Grand Challenge数据集上进行了评估，并以CycleGAN模型作为基准，从定量和定性两个角度比较了CBCT到sCT生成图像的质量。最后，本文还借鉴了“One Epoch Is All You Need”一文的思想，比较了单轮训练与多轮训练的效果。FQGA-single在探索性实验中取得了惊人结果：单轮训练的性能优于多轮训练。更令人惊讶的是，其性能还超越了CycleGAN的多轮和单轮模型，甚至超越了CycleGAN的改进版本。
关键词
引用
@article{arxiv.2408.09218,
title = {FQGA-single: Towards Fewer Training Epochs and Fewer Model Parameters for Image-to-Image Translation Tasks},
author = {Cho Yang},
journal= {arXiv preprint arXiv:2408.09218},
year = {2025}
}