基于深度生成对抗网络的真实河流图像合成
计算机视觉与模式识别
2021-07-29 v3 机器学习
机器学习
摘要
本文展示了利用深度学习进行真实河流图像生成的实用应用。具体而言，我们探索了一种生成对抗网络（GAN）模型，能够生成高分辨率且真实的河流图像，可用于支持地表水估算、河流蜿蜒、湿地流失及其他水文研究中的建模与分析。首先，我们构建了一个庞大的俯视河流图像库用于训练。其次，我们采用渐进生长GAN（PGGAN），一种迭代训练较小分辨率GAN以逐步构建至极高分辨率以生成高质量（即1024x1024）合成河流图像的架构。在更简单的GAN架构下，训练时间呈指数增长及梯度消失/爆炸问题频现，而PGGAN实现似乎显著缓解了这些问题。本研究呈现的结果在生成高质量图像及捕捉河流结构与流动细节以支持水文研究方面展现出巨大潜力，后者常需大量图像以保障模型性能。
引用
@article{arxiv.2003.00826,
title = {Realistic River Image Synthesis using Deep Generative Adversarial Networks},
author = {Akshat Gautam and Muhammed Sit and Ibrahim Demir},
journal= {arXiv preprint arXiv:2003.00826},
year = {2021}
}