关键词adversarial loss function
搜索结果 - 3
- 使用增强视觉 Transformer 进行图像重建
本文提出了一个基于 Vision Transformer (ViT) 的图像重构框架,利用 4 种优化技术和生成对抗网络(GANs)启发的对抗性损失函数,用于图像去噪和修复,实验表明该框架在结构相似性(SSIM)方面比 U-Net 模型高出 - 基于不变式学习的对抗训练域不变表示的表示方法
本文研究使用先前为学习 “公平表示” 而开发的审查技术来解决域泛化问题。我们研究了 $k$ 个域的对抗性损失函数及其渐近行为,并在此基础上获得了算法在以前未见过的域上良好最坏情况预测性能的充分条件。我们提供了完整的不变性特征描述,并为敌对不 - 全局 - 局部人脸上采样网络
本文提出了一种面部图像超分辨网络,该网络在低分辨率、大姿态、大光照变化等困难情况下,通过全局和局部约束的多层次特征提取和重建,通过对抗性损失函数进行优化,来实现面部图像重建和细节增强的目标,同时在控制和不受控制的实验环境下,与现有算法相比,