MC-GAN：用于图像合成的多条件生成对抗网络
计算机视觉与模式识别
2018-08-16 v5
摘要
在本文中，我们提出了一种新方法，用于在给定基图像时，根据文本属性在期望位置生成目标物体图像。相较于现有主要关注物体外观的文本到图像生成研究，所提方法旨在生成保留给定背景信息的物体图像，这是该领域的首次尝试。为解决这个问题，我们提出了多条件 GAN（MC-GAN），它联合控制物体与背景信息。作为 MC-GAN 的核心组件，我们提出了一个合成块，在训练阶段解耦物体与背景信息。该块使 MC-GAN 能够通过利用来自文本属性的前景信息，控制来自给定基图像的背景信息量，从而生成具有期望背景的真实物体图像。在 Caltech-200 鸟类与 Oxford-102 花卉数据集上的实验表明，我们的模型能够生成分辨率为 128 x 128 的照片级真实图像。MC-GAN 的源代码已发布。
引用
@article{arxiv.1805.01123,
title = {MC-GAN: Multi-conditional Generative Adversarial Network for Image Synthesis},
author = {Hyojin Park and YoungJoon Yoo and Nojun Kwak},
journal= {arXiv preprint arXiv:1805.01123},
year = {2018}
}
备注
BMVC 2018 accepted