SketchyGAN：面向多样且逼真草图到图像的合成
计算机视觉与模式识别
2018-04-16 v2
摘要
从人手绘制的草图合成逼真图像是计算机图形学与视觉中的一项挑战性问题。现有方法要么需要精确的边缘图，要么依赖于检索已有照片。本工作中，我们提出一种新颖的生成对抗网络（GAN）方法，可从包含摩托车、马与沙发等 50 个类别的草图合成可信图像。我们展示了一种完全自动的草图数据增强技术，并表明增强数据有助于我们的任务。我们引入一种适用于生成器与判别器的新网络构建模块，通过在多尺度注入输入图像来改善信息流。相较于最先进的图像翻译方法，我们的方法生成更逼真的图像，并取得了显著更高的 Inception Scores。
引用
@article{arxiv.1801.02753,
title = {SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis},
author = {Wengling Chen and James Hays},
journal= {arXiv preprint arXiv:1801.02753},
year = {2018}
}
备注
Accepted to CVPR 2018