Jul, 2023

风格化投影 GAN：一种快速且逼真的图像生成新结构

PDF
TL;DR利用转移学习将生成和真实样本投影到预训练的特征空间中，提出了优化后的结构化投影生成式对抗网络 Stylized Projected GANs，用于解决生成图像中出现的问题。
generative adversarial networkstraining difficultytraining timeconvergencestylized projected gans
发现论文，激发创造
  • 投影 GAN 更快收敛

    本文提出了一种基于预训练特征空间的投影生成对抗网络（GAN）来改善 GAN 的训练难度，通过将所生成的和真实样本投影到该空间中，激活深层特征，并混合深层特征中的通道和分辨率，从而提高图像质量和训练速度，并成功地将 Frechet Inception Distance （FID）值在 22 个基准数据集上进一步提高，同时加快了训练速度。

    Nov, 2021

  • 更快的投影生成对抗网络：迈向更快的少样本图像生成

    提出了一种名为 Faster Projected GAN 的改进 GAN 网络模型，主要集中在 Projected GAN 生成器的改善上。通过引入深度可分离卷积（DSC），减少了参数数量、加快了训练速度，并节省了内存。实验证明，在少样本图像生成任务中取得了显著的训练速度提升，如地震场景等特殊场景的生成。

    Jan, 2024

  • StackGAN++：堆叠生成对抗网络实现逼真图像合成

    本文提出了堆叠式生成式对抗网络 (Stackgan)，该网络采用两个阶段和多个生成器和判别器构成的树状结构，用于高分辨率、逼真的图像生成。经过大量实验验证，该网络在生成逼真图像方面表现优于其他方法。

    Oct, 2017

  • 基于风格的生成对抗网络生成器架构

    本文提出了一种基于风格迁移文献的替代生成对抗网络的生成器体系结构，能够自动学习高级属性和生成图像中的随机变化，改善传统的分布质量量度标准，提高内插质量和交互性能，同时也更好地分离出潜在的多变因素。

    Dec, 2018

  • Gated-GAN：用于多集合风格转移的对抗门控网络

    本文提出了一种名为 Gated GAN 的多样式图像合成模型，该模型结合了编码器，门控变换器和解码器三个部分，可以实现在一个模型中转换多种样式的输入图像，同时通过辅助分类器识别样式类别，以稳定训练并提高合成图像质量。

    Apr, 2019

  • 利用生成对抗网络增强角色设计师的创造力

    本文使用生成对抗网络的生成结果作为认知组件，以增强角色设计师在为不同的多媒体项目概念化新角色时的创造力。同时，本文通过在新的可视化角色数据集上使用单个图形处理器从头开始训练不同的 GAN 架构（包括转移学习和数据增强技术），并使用混合方法评估了生成视觉品质对角色设计师机构概念化新角色的认知价值。研究表明，本方法对该上下文的实施非常有效，将作为一个由人与机器共同设计的工作流程进一步评估。

    May, 2023

  • 基于生成式对抗网络的专辑封面艺术图片生成

    本文研究机器学习中生成对抗网络（GANs），特别关注艺术方面的应用，以最先进的 StyleGAN2 为例，尝试生成专辑封面并通过艺术风格进行个性化定制。

    Dec, 2022

  • 使用风格和结构对抗网络进行生成图像建模

    本研究提出了一个解决图像生成的新框架，通过拆分成结构生成和风格生成两个 GAN 组件，使用附加的损失函数和联合学习，该模型可以生成更真实的图像，用于学习无监督的 RGBD 表示。

    Mar, 2016

  • MobileStyleGAN: 一种用于高保真图像合成的轻量级卷积神经网络

    本篇论文的研究目的是探讨如何在边缘设备上使用风格生成网络，并引入 MobileStyleGAN 结构，其参数量和计算复杂度分别为 StyleGAN2 的 1/3.5 和 1/9.5，同时提供可比较的生成质量。

    Apr, 2021

  • ST-GAN: 基于空间变换的生成式对抗网络用于图像合成

    使用生成对抗网络和空间变换网络 (STNs) 实现将前景对象和背景图像自然组合的研究，提出了迭代 STN 变形机制和逐步训练策略，适用于高分辨率图像。

    Mar, 2018