Non-Stationary Texture Synthesis by Adversarial Expansion

Non-Stationary Texture Synthesis by Adversarial Expansion

1.主要创新点：

利用Patch Gan，结合风格损失，L1损失，生成非固定纹理。

2.对应损失的贡献：

1. 对抗损失作为纹理的主要生成
2. L1损失减少噪声和非自然的内容，但是太过平滑
3. 风格损失使得图像最终加入更多细节，但是也加入了颜色的扭曲

3.网络训练流程：

-------------------------------------------------------------------------------------------------------------------------

1. 参数初始化，取原图的1/2　Ａ作为生成器的输入，取原图Ｂ作为比较图
2. 前向传播，输入图Ａ，产生和Ｂ一样大小的假图fakeA
3. 反向传播：
   1. 判别器：
      1. 输入假图fakeA给判定器计算判定器的损失
      2. 输入真图B 给判定器，计算判定器的损失
      3. 将两者的损失取平均
      4. 更新参数（更新的是判别器的参数，而生成器不更新）
   2. 生成器：
      1. 风格损失：
         1. 拿真图B在vgg网络前向传播一下，拿出前层的特征
         2. 拿假图A在vgg网络前向传播一下，拿出前层的特征
         3. 计算风格损失
      2. gan损失：
         1. 再用假图给判定器计算一下，计算损失，生成器的损失
      3. L1损失：
         1. 直接将假图和真图进行计算L1损失
      4. 将三个损失进行结合，分配不同权重进行
      5. 跟新参数(这里的参数全是生成器的参数跟新，对应的vgg和判别器参数不更新)
4. 重复以上迭代流程

 --------------------------------------------------------------------华丽的分割线--------------------------------------------------------------

训练的过程可以通过这个流程图来理解，其中 gan损失，中还有一项生成器的损失，还需要计算一下。也就是迭代了判别器之后，生成器也要相应的方向传播，就是patchgan的内容。 

 

 4.存在问题：

1.部分边缘还存在一些不自然的现象

2.还是有部分不能很好的将大的全局结构学好