没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
Stack 可译做堆叠,就是在 GAN 上面再放上一个 GAN。
作者讲述自己的解决思路,原来难以生成高分辨率的图像,他们分解了这个问题,把生成高
分辨率图片这个任务分解成两个更为简单的任务。就是文中说的一个 GAN 生成大致的形状
和颜色,第二个 GAN 生成细节和修正错误,这比直接一个 GAN 生成更加容易。这似乎研究
中解决一些任务的一种常用的方法,以前看的一篇论文,图像修复的,先修复缺失的轮廓边
缘,再填充颜色。比直接一次完成好。就是把一个任务分成可以区分的两个任务,分别加以
处理。
翻译:
从文字描述中生成具有照片般真实感的图片一直是计算机视觉中具有挑战性的一个课题,并
且具有很多的应用。现有方法生成的图片可以粗略的反映出给定的描述,但是缺乏需要的细
节和生动的对象局部。本文提出了 stackGan,它从文字描述中生成具有照片般真实感的图像。
1 阶段的 GAN 根据文字描述草绘出一张简单形状和基本颜色符合的低分辨率图片,第二阶
段的 GAN 把第一阶段的结果和文字条件作为输入,生成具有照片真实感的高分辨率的图片。
二段 GAN 能够修正错误,并且通过增强过程给图片增加令人信服的细节。StackGAN 生成的
图片比其它方式生成的看上去更加可信。重要的一方面,这个模型可以生成 256*256 的,其
它模型最多知道了 128.为了掩饰 StackGAN 的效果,我们基于 CUB 和 Oxford-102 数据集
做了广泛的实验,这两个数据集包含了足够多的各种类别的对象,并且每类对象
有很多的外观变体,被广泛用于图像生成分析。
资源评论
养生的控制人
- 粉丝: 18
- 资源: 333
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功