TGAN：用于大尺寸图像生成的深度张量生成对抗网络
计算机视觉与模式识别
2019-03-06 v2 机器学习
摘要
深度生成模型已成功应用于诸多领域。然而，现有工作在生成大尺寸图像时存在局限（文献通常生成小图像，如 32*32 或 128*128）。本文提出一种称为深度张量对抗生成网络（TGAN）的新方案，通过探索张量结构来生成大尺寸高质量图像。本质上，TGAN 的对抗过程发生在张量空间中。首先，我们施加张量结构以进行简洁的图像表示，相较于现有工作中的向量化预处理，其在捕捉像素邻近信息及图像中基本对象的空间模式方面更具优势。其次，我们提出 TGAN，以级联方式集成深度卷积生成对抗网络和张量超分辨率，从随机分布生成高质量图像。更具体地，我们设计了一个由张量字典学习和张量系数学习组成的张量超分辨率过程。最后，在三个数据集上，与最先进的对抗自编码器相比，所提出的 TGAN 生成了具有更真实纹理的图像。生成图像的尺寸提升了超过 8.5 倍，即在 PASCAL2 中为 374*374。
引用
@article{arxiv.1901.09953,
title = {TGAN: Deep Tensor Generative Adversarial Nets for Large Image Generation},
author = {Zihan Ding and Xiao-Yang Liu and Miao Yin and Linghe Kong},
journal= {arXiv preprint arXiv:1901.09953},
year = {2019}
}