用于自然图像与艺术作品条件合成的改进ArtGAN
计算机视觉与模式识别
2018-08-27 v2
摘要
本文提出一系列新方法来改进用于条件图像合成的生成对抗网络（GAN），并将所提模型命名为ArtGAN。ArtGAN的一项关键创新在于，损失函数关于标签（随机分配给每幅生成图像）的梯度从分类判别器反向传播至生成器。借助标签信息的反馈，生成器能够更高效地学习并生成更高质量的图像。受近期工作启发，一个自编码器被整合进分类判别器以提供额外的互补信息。最后但同样重要的是，我们引入了一种提升图像质量的新策略。实验中，我们通过消融研究在CIFAR-10和STL-10上评估ArtGAN。实证结果表明，所提模型在CIFAR-10上就Inception分数而言优于当前最优结果。在定性上，我们展示了ArtGAN能够在Oxford-102和CUB-200上生成看似合理的图像，并能够根据风格、艺术家和流派绘制写实艺术作品。源代码与模型可在 https://github.com/cs-chan/ArtGAN 获取。
引用
@article{arxiv.1708.09533,
title = {Improved ArtGAN for Conditional Synthesis of Natural Image and Artwork},
author = {Wei Ren Tan and Chee Seng Chan and Hernan Aguirre and Kiyoshi Tanaka},
journal= {arXiv preprint arXiv:1708.09533},
year = {2018}
}
备注
16 pages, 11 figures, accepted version at IEEE Transactions on Image Processing (T-IP)