SinGAN：从单张自然图像学习生成模型
计算机视觉与模式识别
2019-09-06 v2
摘要
我们引入了 SinGAN，一种可以从单张自然图像中学习的无条件生成模型。我们的模型被训练以捕获图像内部块的分布，随后能够生成与该图像具有相同视觉内容的高质量、多样化样本。SinGAN 包含一个全卷积 GAN 金字塔，每个 GAN 负责学习图像在不同尺度下的块分布。这使得能够生成具有任意尺寸和长宽比的新样本，这些样本具有显著的多样性，同时保持了训练图像的全局结构和精细纹理。与以往的单图像 GAN 方案不同，我们的方法不局限于纹理图像，并且是非条件式的（即它从噪声生成样本）。用户研究证实，生成的样本通常被混淆为真实图像。我们阐明了 SinGAN 在广泛图像处理任务中的效用。
引用
@article{arxiv.1905.01164,
title = {SinGAN: Learning a Generative Model from a Single Natural Image},
author = {Tamar Rott Shaham and Tali Dekel and Tomer Michaeli},
journal= {arXiv preprint arXiv:1905.01164},
year = {2019}
}
备注
ICCV 2019