基于实例图的去噪生成对抗网络图像合成
计算机视觉与模式识别
2018-01-11 v1
摘要
基于语义布局的图像合成得益于生成对抗网络（GAN）的成功，近来备受关注。如何在保持GAN随机性的同时提升合成图像的质量仍是一项挑战。我们提出了一种新颖的去噪框架来处理该问题。从语义布局到真实RGB照片合成图像时，重叠物体的生成是另一项具有挑战性的任务。为克服这一缺陷，我们引入单热语义标签图以迫使生成器更多地关注重叠物体的生成。此外，我们通过考虑扰动损失和级联层损失改进判别器的损失函数以引导生成过程。我们在Cityscapes、Facades和NYU数据集上应用了我们的方法，并展示了我们模型的图像生成能力。
引用
@article{arxiv.1801.03252,
title = {Instance Map based Image Synthesis with a Denoising Generative Adversarial Network},
author = {Ziqiang Zheng and Chao Wang and Zhibin Yu and Haiyong Zheng and Bing Zheng},
journal= {arXiv preprint arXiv:1801.03252},
year = {2018}
}
备注
10 pages, 16figures