pix2pixHD: High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
目录
摘要
介绍（改进什么）
相关工作
Image-to-image translation：
方法
3.1 pix2pix
3.2 提升
3.2.1 Coarse-to-fine generator
3.2.2 Multi-scale discriminators
3.2.3 a feature matching loss
3.3 Using Instance Maps
3.4 Learning an Instance-level Feature Embedding
摘要
1、a novel adversarial loss, as well as new multi-scale generator and discriminator architectures.
2、edit
介绍（改进什么）
1、语义生成两个（2018年）sota架构：pix2pix架构，高分辨率不稳定；a modified perceptual loss缺少细节和纹理
2、对抗训练，perceptual losses from pre-trained networks
对于interactive semantic manipulation，一是，实例分割图；generate diverse results given
the same input label map（多样性）
相关工作
Image-to-image translation：
给定数据对的train data，域转换
1、对抗学习，判别器的好处，自适应两个域之间差异
2、对比perceptual loss ，提出多尺度判别器
方法
3.1 pix2pix
3.2 提升
3.2.1 Coarse-to-fine generator
global generator ，也就是G1，有三个组件。并且semantic图直接喂入网络
（SPADE出发点）
训练：首先训练G1,再根据分辨率训练G2。最后合在一起 fine-tune。作者认为，这样有效聚合了global和local信息。
3.2.2 Multi-scale discriminators
高分辨需要the discriminator needs to have a large receptive field.
相同的判别器结构，但downsample image pyramid of 3 scales.
3.2.3 a feature matching loss
这里的feature是从判别器提取的，不同于perceptual loss 是基于预训练网络上的feature map。
3.3 Using Instance Maps
3.4 Learning an Instance-level Feature Embedding
为了解决多样性的问题
纹理细节从哪来呢：
pix2pixHD: High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs相关推荐
- pix2pixHD:High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
转载自:https://www.jianshu.com/p/eb29a264c71a 论文:pix2pixHD 代码:GitHub 这篇paper作为pix2pix(参见前一篇博客)的改进版本,如其名 ...
- 019_SSSS_High-Resolution Image Synthesis and Semantic Manipulation with Conditioanl GANs
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs(Pix2PixHD) 1. Introd ...
- 【SDG精读与代码复现】More Control for Free Image Synthesis with Semantic Diffusion Guidance【SDG】
[SDG精读与代码复现]More Control for Free! Image Synthesis with Semantic Diffusion Guidance[SDG] 一.前言 二.论文介绍 ...
- 2017 NIPS之GAN+seg：Generative Semantic Manipulation with Contrasting GAN
Generative Semantic Manipulation with Contrasting GAN 当前的问题及概述: 如今的GAN网络在图片风格迁移方面有了很大的突破,但是现有的模型只能传递 ...
- 论文笔记：Generative Semantic Manipulation with Mask-Contrasting GAN
主要内容 本文提出了可以对图片物体进行语义改变从而在几乎不改变物体形状.视角等信息的情况下,进行不同类别的物体替换.本文中的Mask-Contrasting GAN应用了一个conditional g ...
- 【SDG代码精读】More Control for Free! Image Synthesis with Semantic Diffusion Guidance【SDG】
[SDG代码精读]More Control for Free! Image Synthesis with Semantic Diffusion Guidance[SDG] 1.首先看看这篇文章的主要贡 ...
- Make a Face: Towards Arbitrary High Fidelity Face Manipulation(做个脸：走向任意高保真脸部操纵)
本博客是对 论文 Make a Face: Towards Arbitrary High Fidelity Face Manipulation(做个脸:走向任意高保真脸部操纵)的翻译,因作者水平有限, ...
- Pix2Pix(2017)+CycleGAN+Pix2PixHD
GAN 常规的深度学习任务如图像分类.目标检测以及语义分割或者实例分割,这些任务的结果都可以归结为预测.图像分类是预测单一的类别,目标检测是预测Bbox和类别,语义分割或者实例分割是预测每个像素的类别 ...
- 深度学习之Pix2PixHD
基于条件生成对抗网络的高分辨率图像合成及语义处理 摘要 1 引言 2 相关工作 3 实例级图像合成 3.1 pix2pix Baseline 3.2 提升照片逼真度和分辨率 3.3 使用实例图Inst ...
最新文章
- Java Robot对象实现服务器屏幕远程监视
- 如何限制上传服务器的文件容量,如何通过配置php文件限制上传文件的大小
- 记一次Oracle数据故障排除过程
- 腾讯云的ubuntu虚拟主机上再安装VirtualBox遇到的一些错误
- java 如何重写迭代器,如何用Java按需定制自己的迭代器
- SPSS基础操作（二）：用迭代法处理序列相关，并建立回归方程
- reduce 阶段遍历对象添加到ArrayList中的问题
- [导入]CommunityServer 1.1 源码及汉化文件
- 吸血鬼教授vs狼人工程师
- oracle安装包安装教程,oracle安装教程【搞定方案】
- MATLAB打开USB摄像头的操作以及常见问题
- 【电商】电商后台设计—电商产品的用户体系
- java png图片转换成jpg_Java实现将png格式图片转换成jpg格式图片的方法【测试可用】...
- win7计算机相机,笔记本win7怎么拍照_win7电脑照相机如何打开
- python股票行情接口实时获取股市数据
- 学大数据专业未来应该怎么就业？有什么岗位？
- 用计算机完成下表的视距测量计算公式,2012测量学计算题库及参考答案
- 此证书已在此前安装为一个证书权威机构
- php和plc哪个难,西门子plc和三菱plc那个好学?西门子plc和三菱plc的区别
- 浏览器网站请求全解析