StackGAN++：利用堆叠生成对抗网络实现逼真图像合成
计算机视觉与模式识别
2018-06-29 v3 人工智能
机器学习
摘要
尽管生成对抗网络（GANs）在各种任务中取得了显著成功，它们在生成高质量图像方面仍面临挑战。本文提出堆叠生成对抗网络（StackGAN），旨在生成高分辨率照片级真实感图像。首先，我们提出一种两阶段生成对抗网络架构 StackGAN-v1，用于文本到图像合成。第一阶段 GAN 基于给定文本描述勾勒物体的基本形状和颜色，生成低分辨率图像。第二阶段 GAN 以第一阶段结果和文本描述为输入，生成具有照片级真实细节的高分辨率图像。其次，提出一种先进的多阶段生成对抗网络架构 StackGAN-v2，用于条件和无条件生成任务。我们的 StackGAN-v2 在树状结构中包含多个生成器和判别器；对应于同一场景的多尺度图像由树的不同分支生成。StackGAN-v2 通过联合逼近多个分布，表现出比 StackGAN-v1 更稳定的训练行为。大量实验表明，所提出的堆叠生成对抗网络在生成照片级真实感图像方面显著优于其他最先进方法。
引用
@article{arxiv.1710.10916,
title = {StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks},
author = {Han Zhang and Tao Xu and Hongsheng Li and Shaoting Zhang and Xiaogang Wang and Xiaolei Huang and Dimitris Metaxas},
journal= {arXiv preprint arXiv:1710.10916},
year = {2018}
}
备注
In IEEE Trans. on Pattern Analysis and Machine Intelligence (TPAMI), 2018. (16 pages, 15 figures.)