Retrieval Augmented Generation - 2018年01月

SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis

发布时间：2018-01-09

作者：Wengling Chen, James Hays

中文摘要：

从人类绘制的草图合成逼真的图像是计算机图形学和视觉领域的一个挑战性问题。现有的方法要么需要精确的边缘图，要么依赖于现有照片的检索。在这项工作中，我们提出了一种新的生成对抗网络（GAN）方法，该方法可以从包括摩托车、马和沙发在内的50个类别中合成合理的图像。我们展示了一种针对草图的数据增强技术，该技术是完全自动化的，并且我们表明增强数据对我们的任务有帮助。我们引入了一种新的网络构建模块，该模块适用于生成器和判别器，通过在多个尺度上注入输入图像来提高信息流。与最先进的图像翻译方法相比，我们的方法生成的图像更加逼真，并且实现了显著更高的Inception分数。

一句话总结：

本研究提出了一种基于GAN的图像合成方法，能够从草图生成逼真的图像，并显著提高了图像质量。

---