论逼真图像合成的多样性

许多图像处理任务可表述为两个图像域之间的图像翻译，例如上色、超分辨率和条件图像合成。在大多数此类任务中，一个输入图像可能对应多个输出。然而，当前已有的方法仅展现出非常有限的输出多样性。本文提出一种新方法，用于合成对应于语义布局的多样化逼真图像。我们引入一个多样性损失目标，其最大化合成图像对之间的距离，并将输入噪声关联到合成图像中的语义片段。因此，我们的方法不仅能产生多样化图像，还允许用户通过手动调节噪声来操控输出图像。实验结果表明，由我们的方法合成的图像比现有工作的图像显著更具多样性，且加入我们的多样性损失并不会降低基础网络的真实感。