GAN_CVer的博客

原创 python学习：tkinter用for循环显示图片

由于用for循环界面只会显示文件下最后一张图，自己摸索了好长时间，终于解决此类问题。pic_path=f.run_dirimglist image_ctl2.after(2000)@TOC欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Mark

原创 Windows下安装LIBSVM，解决“ImportError: No module named svmutil”问题

[转]首先在台湾大学林智仁教授的而官网上下载libsvm的库LIBSVM – A Library for Support Vector Machines​www.csie.ntu.edu.tw图标现在最新的已经更到3.24了，随便放个地方解压。市面上的教程一般分三步1、Libsvm整个放入Python的包目录\Lib\site-packages，2、在libsvm\windows，找到libsvm.dll文件，复制到C:\Windows\System32文件夹下3、在libsvm根目录和py

原创 论文理解之增加换脸效果 FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping

论文：FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping论文地址：https://arxiv.org/pdf/1912.13457.pdf换脸是非常吸引人的一种应用，开发者可以用 VAE 或 GAN 做出非常炫酷的效果。一般而言，换脸会将 A 脸特征换到 B 脸上，同时保留 B 脸的神情或动态。像 Face...

原创 论文理解之图像分区域合成 SEAN: Image Synthesis with Semantic Region-Adaptive Normalization

本论文要解决的问题是使用条件生成对抗网络（cGAN）生成合成图像。具体来说，本文要完成的具体任务是使用一个分割掩码控制所生成的图像的布局，该分割掩码的每个语义区域都具有标签，而网络可以根据这些标签为每个区域「添加」具有真实感的风格。尽管之前已经有一些针对该任务的框架了，但当前最佳的架构是 SPADE（也称为 GauGAN）。因此，本论文的研究也是以 SPADE 为起点的。具体来说，本文针对原始...

原创 GAN图像转换之pix2pix到CycleGAN

图像转换是将一张输入图片转换为不同的输出图片，如将一张灰度图变成彩色图，素描图换成实物图（见下图），这在现实生活中有很多应用场景。这类问题本质上是要建立输入和输出图像像素点之间的映射关系，而CNN网络正适合担当这个角色。从另外一个角度看，这类问题其实是建立生成模型，GAN架构是一种很好的解决方案。这里介绍的pix2pix模型就是通过GAN来实现图像转换的，不过其训练过程需要成对的输入和输出样本，这...

原创 最新GAN前沿汇总 中英文翻译 Recent Advances of Generative Adversarial Networks in Computer Vision

原创 图像质量评价 开源项目汇总

开源地址：https://github.com/idealo/image-quality-assessment

原创 Efficient Decision-based Black-box Adversarial Attacks on Face Recognition针对人脸识别系统的高效黑盒对抗攻击算法

背景在图 1 示例中，我们用同样的一个人脸识别模型（Arcface [1]）对两幅看起来一模一样的人脸图像进行识别，但是得到了完全不同的两个识别结果。这是为什么呢？原因是右图的人脸区域被加上了人眼无法察觉的恶意噪声，专门用于欺骗人脸识别模型。这种现象叫做对抗样本，即针对某种特定的模型（例如图像分类模型 ResNet [2]），在正常样本（例如 2D 图像，3D 点云等）上加入微小的噪声，使得模型...

转载 计算机视觉state of the art论文以及代码汇总

转载

原创 论文理解：Generating Diverse High-Fidelity Images with VQ-VAE-2

深度生成模型都有什么问题研究者将常见的生成模型分为两种：一种是基于似然的模型，包括 VAE 及其变体、基于流的模型、以及自回归（autoregressive）模型，另一种是隐式生成模型，如生成对抗网络（GAN）。这些模型都会存在某些方面的缺陷，如样本质量、多样性、生成速度等。GAN 利用生成器和判别器来优化 minimax 目标函数，前者通过将随机噪声映射到图像空间来生成图像，后者通过分辨生成...

原创 论文解读：Variational Inference: A Unified Framework of Generative Models and Some Revelations

摘要：本文从一种新的视角阐述了变分推断，并证明了 EM 算法、VAE、GAN、AAE、ALI (BiGAN) 都可以作为变分推断的某个特例。其中，论文也表明了标准的 GAN 的优化目标是不完备的，这可以解释为什么 GAN 的训练需要谨慎地选择各个超参数。最后，文中给出了一个可以改善这种不完备性的正则项，实验表明该正则项能增强 GAN 训练的稳定性。■ 论文 | Variational Infer...

原创 GAN的孪生兄弟：从VAE到βVAE，再到β-TCVAE

01VAEAuto-Encoding Variational Bayes：https://arxiv.org/abs/1312.6114VAE是将概率图模型的思想和AE（Auto Encoder）的结合体。看左图的一个概率图模型，假设有一个已知的先验分布P(z)，和能观察到的数据x。我们想要推断后验分布p(z|x),他的计算公式就是下面这个贝叶斯公式。但是当z的维度很高的时候，p(x)的...

原创 Seeing What a GAN Cannot Generate

论文下载：代码下载：生成对抗网络（GAN）在合成逼真的图像方面能力出色，但我们不禁要问：怎样才能知道 GAN 无法生成的东西呢？模式丢失或模式崩塌被视为 GAN 所面临的最大难题之一，此时 GAN 会忽视目标分布中的某些部分，然而对于 GAN 中的这一现象，当前的分析工具所能提供的见解非常少。MIT 的这项研究在分布层面和实例层面对模式崩塌进行了可视化。首先，作者部署了一个语义分割网络，以...

原创 ICCV 2019 Oral 论文 FiNet: Compatible and Diverse Fashion Image Inpainting

FiNet，时尚图像补全网络 视觉上的兼容与协调对于时尚分析至关重要，然而现有的时尚图像生成系统在此方面却有所欠缺。在本文中，研究者提出通过时尚图像修复来对视觉上的搭配兼容性进行显式的建模...

原创 ICCV 2019 最佳论文《SinGAN：从单张自然图像学习生成式模型》

摘要作者们提出了 SinGAN，这是一个可以从单张自然图像学习的非条件性生成式模型。这个模型可以捕捉给定图像中各个小块内的内在分布，接着就能够生成带有和给定图像中的视觉内容相同的高质量且多样的新图像。SinGAN的结构是多个全卷积GANs组成的金字塔，这些全卷积GANs都负责学习图像中的某个小块中的数据分布，不同的GANs学习的小块的大小不同。这种设计可以让它生成具有任意大小和比例的新图像，这...

原创 论文翻译 Joint Discriminative and Generative Learning for Person Re-identification

StoryGAN: A Sequential Conditional GAN for Story VisualizationStoryGAN：故事可视化的顺序条件GAN日期：2019-04-18作者：Yitong Li 、Zhe Gan 、Yelong Shen 、Jingjing Liu 、Yu Cheng 、Yuexin Wu 、Lawrence Carin 、David Carlson...

原创 SinGAN：Learning a Generative Model from a Single Natural Image

SinGAN：Learning a Generative Model from a Single Natural Image作者：Tamar Rott Shaham，Tali Dekel，Tomer Michaeli（以色列理工学院，Google Research）这篇论文提出了一种可以从单幅自然图像学习的非条件生成模型–SinGAN，能够捕捉图像的内部块分布信息，生成具有相同视觉内容的高质量...