X-GANs：面向极端情形的图像重建简便化
计算机视觉与模式识别
2018-08-15 v1 多媒体
摘要
包括图像复原与去噪在内的图像重建是图像计算领域中的一个挑战性问题。我们提出一种称为 X-GANs 的新方法，用于基于条件生成对抗网络（conditional GANs）的变体来重建任意损坏的资源。在我们的方法中，提出了一种新颖的生成器与多尺度判别器，以及组合对抗损失，其基于图像特征分析将 VGG 感知损失、对抗感知损失和精细的对应点损失集成在一起。我们的条件 GANs 实现了图像重建中的多种应用，包括图像去噪、从极稀疏采样中复原图像、图像修复、从严重污染块甚至色彩噪声主导的图像中恢复，这些属于极端情形且现状中尚未被解决。我们显著提升了图像重建的精度与质量。在从人脸到自然场景的数据集上的广泛感知实验表明，由本方法重建的图像比对比工作更具真实感。我们的方法也可扩展以处理高比率图像压缩。
引用
@article{arxiv.1808.04432,
title = {X-GANs: Image Reconstruction Made Easy for Extreme Cases},
author = {Longfei Liu and Sheng Li and Yisong Chen and Guoping Wang},
journal= {arXiv preprint arXiv:1808.04432},
year = {2018}
}
备注
9 pages, 12 figures