无需 GAN 的端到端单图像生成器训练
计算机视觉与模式识别
2020-04-14 v1 机器学习
图像与视频处理
机器学习
摘要
我们提出 AugurOne，一种训练单图像生成模型的新方法。我们的方法使用（单张）输入图像的非仿射增强来训练上采样神经网络，尤其包含非刚性薄板样条图像扭曲。广泛的增强显著增加了上采样网络的样本内分布，从而能够对高度可变的输入进行上采样。我们联合学习一个紧凑的潜空间，以实现受控的图像合成。与 Single Image GAN 不同，我们的方法不需要 GAN 训练，并以端到端方式进行，从而实现快速且稳定的训练。我们通过实验评估了我们的方法，结果表明其在单图像的新颖动画生成以及条件生成任务（如绘画到图像、边缘到图像）上取得了引人注目的效果，并达到了最先进的性能。
引用
@article{arxiv.2004.06014,
title = {Training End-to-end Single Image Generators without GANs},
author = {Yael Vinker and Nir Zabari and Yedid Hoshen},
journal= {arXiv preprint arXiv:2004.06014},
year = {2020}
}
备注
Project page: http://www.vision.huji.ac.il/augurone