利用上下文损失保持自然图像统计特性
计算机视觉与模式识别
2018-07-19 v3
摘要
保持自然图像统计特性是修复和生成逼真图像的关键因素。在训练 CNN 时，照片真实感通常通过对抗训练（GAN）来尝试，其将输出图像推至自然图像流形上。GAN 非常强大，但不完美。它们难以训练，且结果仍常出现伪影。在本文中，我们提出一种补充方法，可配合或不配合 GAN 使用，其目标是训练前馈 CNN 以保持自然内部统计特性。我们显式地考察图像中特征的分布，并训练网络生成具有自然特征分布的图像。我们的方法将训练所需图像数量减少了数个数量级，并在单图像超分辨率和髙分辨率表面法线估计上均取得了最先进（state-of-the-art）结果。
引用
@article{arxiv.1803.04626,
title = {Maintaining Natural Image Statistics with the Contextual Loss},
author = {Roey Mechrez and Itamar Talmi and Firas Shama and Lihi Zelnik-Manor},
journal= {arXiv preprint arXiv:1803.04626},
year = {2018}
}