GL-GAN：图像生成的全局与局部自适应双层优化模型
计算机视觉与模式识别
2020-08-07 v1 图像与视频处理
摘要
尽管生成对抗网络在图像生成中展现出卓越性能，但在图像真实感与收敛速度方面仍存在挑战。部分模型的生成结果表现出图像内部质量的不均衡，与其他区域相比出现某些缺陷部分。不同于一般的单一全局优化方法，我们引入了自适应全局与局部双层优化模型（GL-GAN）。该模型以互补且相互促进的方式实现高分辨率图像生成，其中全局优化针对整幅图像，而局部仅优化低质量区域。凭借简单的网络结构，GL-GAN通过局部双层优化有效避免了不均衡现象，其做法是先定位低质量区域再对其进行优化。此外，利用判别器输出的特征图线索，我们提出自适应局部与全局优化方法（Ada-OP）用于具体实现，并发现其提升了收敛速度。与当前GAN方法相比，我们的模型在CelebA、CelebA-HQ和LSUN数据集上展现出令人印象深刻的性能。
引用
@article{arxiv.2008.02436,
title = {GL-GAN: Adaptive Global and Local Bilevel Optimization model of Image Generation},
author = {Ying Liu and Wenhong Cai and Xiaohui Yuan and Jinhai Xiang},
journal= {arXiv preprint arXiv:2008.02436},
year = {2020}
}