基于马尔可夫生成对抗网络的预计算实时纹理合成
计算机视觉与模式识别
2016-04-18 v1
摘要
本文提出马尔可夫生成对抗网络（MGANs），一种用于训练生成神经网络以实现高效纹理合成的方法。尽管深度神经网络方法最近在合成质量上展示了卓越结果，但它们仍带来可观的计算成本（低分辨率图像需数分钟运行时间）。本文解决该效率问题。与之前工作中的数值反卷积不同，我们预计算一个前馈、步幅卷积网络，其捕获马尔可夫块的特征统计并能够直接生成任意尺寸的输出。此类网络可直接将布朗噪声解码为真实纹理，或将照片解码为艺术画作。通过对抗训练，我们获得与近期神经纹理合成方法可比的质量。由于在生成时不再需要优化，我们的运行时间性能（0.25M像素图像 at 25Hz）以显著优势超越先前神经纹理合成器（至少快500倍）。我们将该思想应用于纹理合成、风格迁移与视频风格化。
引用
@article{arxiv.1604.04382,
title = {Precomputed Real-Time Texture Synthesis with Markovian Generative Adversarial Networks},
author = {Chuan Li and Michael Wand},
journal= {arXiv preprint arXiv:1604.04382},
year = {2016}
}
备注
17 pages, 15 figures