WGAN+U-Net架构实现图像修复

简介

简介:该论文提出了一种基于Wasserstein生成对抗网络(WGAN)的图像修复方法,使用U-Net生成器,通过对抗损失与内容损失联合训练,有效解决了传统方法对破损区域形状大小受限、修复痕迹明显的问题。在CelebA和LFW数据集上的实验表明,该方法修复效果优于现有技术,尤其对大区域和不规则破损具有鲁棒性

论文题目:基于生成对抗网络的图像修复

期刊:计算机科学

摘要:针对现有图像补图算法中存在的损伤区域形状和大小有限、修复痕迹明显、修复边缘不连续等问题,提出了一种基于生成对抗网络的图像补图方法。该方法以生成式对抗网络(generative Adversarial Networks, GAN)为基本架构,结合Wasserstein距离,融合了条件对抗网络

你可能感兴趣的:(优质GAN模型训练自己的数据集,人工智能,深度学习,生成对抗网络,pytorch,神经网络,机器学习,图像处理)