一个模型重建所有：利用StyleGAN中随机噪声的新方法
计算机视觉与模式识别
2020-10-22 v1 机器学习
图像与视频处理
摘要
生成对抗网络(GANs)在若干图像生成与处理任务上取得了最先进的性能。不同工作通过将图像嵌入特定GAN架构以重建原始图像，增进了对GAN潜空间有限的理解。我们提出了一种基于StyleGAN的新型自编码器架构，可在多个数据域上以极高质量重建图像。我们通过独立地并在不同数据集上训练编码器与解码器，展示了此前未知程度的泛化能力。此外，我们提供了关于著名StyleGAN架构中噪声输入的意义与能力的新见解。我们提出的架构在单个GPU上每秒可处理多达40张图像，约为先前方法的28倍快。最后，尽管我们的模型并非显式为此任务设计，但与最先进的图像去噪任务方法相比也展现出有前景的结果。
引用
@article{arxiv.2010.11113,
title = {One Model to Reconstruct Them All: A Novel Way to Use the Stochastic Noise in StyleGAN},
author = {Christian Bartz and Joseph Bethge and Haojin Yang and Christoph Meinel},
journal= {arXiv preprint arXiv:2010.11113},
year = {2020}
}
备注
Code and Models are available at https://github.com/Bartzi/one-model-to-reconstruct-them-all