Feb, 2019

用于内存高效图像翻译的可逆 GANs

PDF
TL;DR通过使用近似可逆的架构，Pix2pix 和 CycleGAN 损失大大提高了图像到图像翻译任务的定量和定性质量。我们在这个框架中探索了近似可逆的架构，并展示了这些模型在 Cityscapes 和 Maps 数据集上具有卓越的定量输出。
发现论文，激发创造
  • 循环一致性反向生成对抗网络用于文本到图像合成

    本文提出了一种新颖的循环一致性逆向生成对抗网络 (CI-GAN) 框架，用于文本到图像生成和文本引导下的图像操作任务，在该框架中，我们采用循环一致性训练来学习更加稳健一致的潜变量，并通过学习文本表示与潜变量之间的相似度模型，在文本引导的优化模块中生成具有所需语义属性的图像，实验证明该框架具有良好的性能。

    Aug, 2021

  • 关于无监督图像到图像的转换和 GAN 稳定性

    该研究论文探讨图片到图片翻译的问题，以及如何在计算机视觉应用中如上色、修补和分割等方面应用无监督学习和生成对抗网络，并提出两种模型以解决 GAN 稳定性问题，并得出与文献讨论一致的问题假设。

    Oct, 2023

  • 语义感知 Mask CycleGAN：将艺术人像转化为照片般逼真的可视化呈现

    本文提出了 Semantic-aware Mask CycleGAN（SMCycleGAN）架构，可以将艺术画像翻译成照片现实视觉效果，该模型可以生成逼真的人类肖像，并通过向鉴别器馈送语义掩码的伪样本来强制其做出有用决策，以便对发电机进行优化以合成更逼真的人类肖像而不是将其他无关组件的相似度增加到最大。

    Jun, 2023

  • 基于条件逆神经网络的多样化图像到图像转换

    介绍了一种新的结构，称为条件可逆神经网络（cINN），并将其用于解决自然图像的多样化图像到图像的转化任务。cINN 结合了纯生成 INN 模型和一个无限制的前馈网络，有效地将调节图像预处理为最大信息特征。通过最大似然优化，稳定地联合优化 cINN 的所有参数。利用双向 cINN 结构，进一步探索和操作潜在空间的新兴属性，例如以直观的方式更改图像风格。

    May, 2021

  • 循环一致性对抗网络实现非配对图像之间的转换

    该研究论文介绍了一种用于图像翻译的无监督学习方法，采用对抗性和循环一致性损失将源域图像翻译到目标域中，并且在多项任务上的实验结果表明该方法优于之前的方法。

    Mar, 2017

  • 堆叠循环一致性对抗网络的无监督图像对图像翻译

    通过将单一翻译分解为多阶段变换并开发一种自适应融合块，我们提出了新颖的堆叠循环一致性对抗网络（SCANs），以在粗糙到精细的方式下提高图像翻译质量并实现更高分辨率的图像翻译。

    Jul, 2018

  • 地图新现实：Pix2Pix 图像到图像翻译中的地面真实图像创作

    该研究论文探讨了将 Pix2Pix 框架应用于抽象地图图像转换为逼真地面实际图像的一种新方法，解决了这些图像在城市规划和自主驾驶训练等领域关键缺失的问题。研究详细介绍了 Pix2Pix 模型的应用，通过一组配对的地图和航拍图像数据集进行高保真度数据的生成，并且通过定制训练方案进行增强。结果展示了该模型在准确渲染复杂城市特征方面的能力，为广泛的实际应用提供了潜力。

    Apr, 2024

  • MRI 图像翻译的 CycleGAN 模型

    该研究提出了使用 CycleGAN 模型将神经图像从一种场强转化为另一种的方法，并将其与基于 DCGAN 结构的模型进行了比较，结果表明 CycleGAN 能够以较高的准确度生成合成和重构图像。

    Dec, 2023

  • 条件对抗网络下的图像翻译

    我们研究了有条件的对抗性网络作为图像转换问题的通用解决方案，并展示了这种方法在从标签地图中合成照片，从边缘地图中重建对象和彩色化图像等任务中的有效性。

    Nov, 2016

  • 可逆条件 GAN 用于图像编辑

    本文对条件生成对抗网络进行研究和评估，采用编码器来反向映射 cGAN，可重建和修改真实图像，这种结合方式被称为可逆 cGAN，可对真实图像进行复杂的确定性修改。

    Nov, 2016