InfinityGAN：面向无限像素图像合成
计算机视觉与模式识别
2022-03-14 v4
摘要
我们提出一种新颖框架 InfinityGAN，用于任意尺寸图像生成。该任务伴随若干关键挑战。首先，将现有模型扩展到任意大图像尺寸在算力与大面积视野训练数据可用性上均受资源限制。InfinityGAN 以无缝的逐块方式以低计算资源进行训练与推断。其次，大图像应局部与全局一致、避免重复图案且看起来真实。为此，InfinityGAN 解耦全局外观、局部结构与纹理。借助此公式，我们可生成空间尺寸与细节程度前所未达的图像。实验评估证实 InfinityGAN 相较基线生成更具真实感的图像，并具备可并行推断特性。最后，我们展示了由该方法解锁的若干应用，如空间风格融合、多模态外绘与图像中间插值。所有应用均可以任意输入与输出尺寸运行。完整版论文请见 https://openreview.net/forum?id=ufGMqIM0a4b 。
引用
@article{arxiv.2104.03963,
title = {InfinityGAN: Towards Infinite-Pixel Image Synthesis},
author = {Chieh Hubert Lin and Hsin-Ying Lee and Yen-Chi Cheng and Sergey Tulyakov and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2104.03963},
year = {2022}
}
备注
Accepted to ICLR 2022. Full Paper: https://openreview.net/forum?id=ufGMqIM0a4b ; Project page: https://hubert0527.github.io/infinityGAN/