Image Generation from Sketch Constraint Using Contextual GAN
摘要:
本文探討由手寫簡筆畫到圖像的生成。當給定的簡筆畫不太好時,網路的輸出也會受到簡筆畫邊緣的強行約束去生成符合簡筆畫邊緣的圖像,這樣會使得訓練很不穩定。我們的做法不同,我們把簡筆畫作為弱約束,也就是說輸出的邊緣未必非要符合輸入的邊緣。我們用一個新穎的joint圖像的實現方法,為了實現輸出圖像的生成,簡筆畫提供圖像的上下文信息。我們訓練一個對抗網路,contextual GAN,用來學習簡筆畫和圖像的聯合分布。我們的模型有以下優點:1,圖像的聯合表示可以更簡單有效的學習圖像/簡筆畫的聯合概率分布,這樣可以避免交叉域學習中的複雜問題。2.雖然輸出依賴於輸入,但是輸入的特徵表現出更多的自由性,並不像傳統GAN那樣嚴格與輸入特徵對齊。3.從聯合圖像的觀點來看,圖像和簡筆畫沒有什麼不同,因此用一個相同的連結圖像實現網路來做圖像到簡筆畫的生成。
介紹:
圖像翻譯任務可以產生很逼真的圖像結果,目前常用的方法是條件對抗生成網路,把輸入和輸出做強行約束條件,即像素級的強行對應。當簡筆畫畫的並不是很好的時候,這種情況將會產生很嚴重的問題。下圖展示了一個隨手畫的簡筆畫所對應不同方法生成的真實圖像。