生成对抗网络GAN的扩展应用理解

:本文仅个人学习理解,如需详细内容请看原论文!

一、cycleGAN

1.整体架构:

将图片A通过生成器生成图片B,然后通过判别器判别图片B的真假;并且图片B通过另一个生成器生成A',让A和A'近似。

2.4种损失函数:

G网络、D网络、Cycle、Identity,D网络中使用了PatchGAN。

3.PatchGAN的作用:

​ 输出的是一个N × N的矩阵,需要基于感受野来计算损失;基于感受野在特征图上的预测结果,和标签(也需要设置成N x N)计算损失。

​ 每个圆圈代表一个patch。

二、starGAN v1

1.生成器:

通过输入input image、目标域(目标风格)然后输出fake image;

将fake image与原始信号再次输入到生成器G中,生成Reconstructed image,使Reconstructed image与input image 越接近越好;

将fake image再次输入到判别器D中,然后通过类别判断真假。

2.判别器:

输入real image 和 fake image,通过判别器D输出图片的真假,以及分类结果

三、starGAN v2

引入了 Mapping network 与 Style encoder

1.Generator:

加入style编码,通过Mapping network 和 Style encoder编码

2.Mapping network:

输入:随机初始化一个向量,如16维向量Z(原图像);在传入一个reference(提供风格的图像)。

输出:64维向量,经过风格转换的图像。

组成:一些全连接网络构成。

3.Style encoder:

将原始的图像X做一个编码E(X)得到一个64维的向量。

4.Discriminator:

输出多分支结果,假设有3种风格,就会输出6种结果,每种风格都会产生2种结果。

相关推荐
清醒的兰17 分钟前
OpenCV 图像像素值统计
人工智能·opencv·计算机视觉
彭祥.26 分钟前
YOLO电力物目标检测训练
人工智能·yolo·目标检测
尘浮72841 分钟前
60天python训练计划----day50
人工智能·python·深度学习
Listennnn1 小时前
OCR & MLLM & Evaluation
人工智能·ocr
云布道师1 小时前
云服务运行安全创新标杆:阿里云飞天洛神云网络子系统“齐天”再次斩获奖项
网络·人工智能·安全·阿里云·云计算·云布道师
lcw_lance1 小时前
智慧园区综合运营管理平台(SmartPark)和安全EHS平台的分工与协作
大数据·人工智能
ywyy67981 小时前
「全栈技术解析」推客小程序系统开发:从架构设计到裂变增长的完整解决方案
人工智能·小程序·短剧·推客系统·推客小程序·推客系统开发·推客小程序开发
加百力2 小时前
自动驾驶+人形机器人?亚马逊即将测试人形机器人送货
人工智能·机器人·自动驾驶
落沐萧萧2 小时前
本地多语言 AI 字幕组:Whisper 实战教程
人工智能·whisper
合方圆~小文2 小时前
架空线路图像视频监测装置
c语言·c++·人工智能·嵌入式硬件·硬件工程·模拟退火算法