基于图像条件的二元合成生成算法

摘要：

生成对抗网络(GAN)是一种无监督学习方法,该算法巧妙地利用博弈的思想来学习生成式模型,但由于GAN通常从单个潜在源采样,因此常常丢失场景中的多个实体交互信息.为了捕获不同对象之间的复杂交互,包括它们的相对缩放,空间布局,遮挡,提出了一种基于图像条件的生成对抗网络,利用"分解—合成"的流程,模型可以根据输入对象的纹理和形状从它们的关节分布生成逼真的合成图像.通过使用Shapenet数据集,在2D和3D图像中分别对55个常见对象类别约51300个图像模型进行试验,比起传统的SLP和cGAN,算法的图片质量有4％以上的提高.

关键词：生成对抗网络、图像合成、图像纹理、交互信息

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：69-72