基于空间生成对抗网络的纹理合成
计算机视觉与模式识别
2017-09-11 v4 机器学习
摘要
生成对抗网络 (GANs) 是一种近期提出的训练数据生成模型的方法，已被证明在图像数据上表现尤为出色。在本文中，我们介绍了一种基于 GAN 学习的纹理合成新模型。通过将输入噪声分布空间从单个向量扩展到整个空间张量，我们创建了一种具有适合纹理合成任务特性的架构，我们称之为空间 GAN (SGAN)。据我们所知，这是首个成功的完全数据驱动的基于 GAN 的纹理合成方法。我们的方法具有以下特点，使其成为纹理合成的最先进 (state of the art) 算法：生成的纹理图像质量高、相对于输出纹理尺寸具有极高的可扩展性、快速的实时前向生成、以及能够在复杂纹理中融合多个多样化的源图像。为了展示这些能力，我们展示了针对不同类别纹理图像和用例的多个实验。我们还讨论了我们方法在可合成纹理图像类型方面的一些局限性，并将其与其他用于纹理生成的神经技术进行了比较。
引用
@article{arxiv.1611.08207,
title = {Texture Synthesis with Spatial Generative Adversarial Networks},
author = {Nikolay Jetchev and Urs Bergmann and Roland Vollgraf},
journal= {arXiv preprint arXiv:1611.08207},
year = {2017}
}
备注
presented at the NIPS 2016 adversarial learning workshop, Barcelona, Spain