Context Encoder and Global and Local Discriminator
Context Encoder ，Global and Local Discriminator
最近做了一个图像修复的project，感觉这两篇论文很好，就写点笔记嘿嘿
Context Encoder（上下文编码器）
在AE基础上modify
Context Encoder是根据AE（Auto-Encoder）修改得到。
AE在我的之前的blog里有讲解过哦，可自取~(https://blog.csdn.net/HustQbw/article/details/114670216)
我们知道，AE是一种编码器-解码器架构，用于对数据压缩、解压缩和图像去噪，但由于未在原有数据上引入约束（即新的信息），所以难以用于生成。
但这种编码器-解码器架构十分值得借鉴，先将图像用卷积层编码到一个低分辨率多通道的feature map，再进行反卷积上采样。
但有一个问题：卷积层只能联系像素点与其领域的特征，难以联系到全局的大部分乃至所有location。
channel-wise fully-connected layer（创新点）
这里就有点像分类问题了，分类问题总是先用卷积层、池化层进行特征提取，最后flatten到一维向量，利用全连接层得到分类结果。
这里全连接层所起到的作用就是整合全局所有位置的特征信息，或者说，全连接层屏蔽了特征在location上的差异（很容易理解，一维的向量就不存在空间位置的说法了），进行了全局的整合
但全连接层同样存在一个众所周知的问题：参数太太太太多了
所以作者使用了另一种全连接层————channel-wise fully-connected layer
Thus, the number of parameters in this channel-wise fully-connected layer is mn4 , compared to m2n4 parameters in a fully-connected layer (ignoring thebias term).
说白了，其实就是用1x1的conv来代替全连接层，用(batch_size,m,1,1)来代替(batchsize,m)，不知道这样说会不会很抽象，但应该可以理解:)
Context Encoder组成
得到channel-wise的fully-connected layer后就相当于得到了一个整合了图片除了缺失区域的其他部分的vector，再将这个vector上采样回到原图尺寸（原文里回到了64x64，因为作者修复的是中心部分的64x64的矩形部分）
所以总结可以得到：
Context Encoder = 下采样Encoder + channel-wise fully-connected layer +上采样Decoder
作者的两个网络结构如下：
一种适用于固定大小比例、固定形状的修复（128x128到64x64）：
一种适用于不固定大小，不固定形状的修复（原图大小到原图大小）：
判别器
判别器和GAN里的判别器类似，即判断真or假，来进行生成器与判别器的对抗
判别器的损失函数和常规GAN类似，就偷懒不赘述啦嘿嘿
Unsupervised-learning
Context Encoder运用的是一种无监督的学习，即你只需要提供你的task所需的data，然后随意得到mask，输入网络的既有完整图片也有得到的mask即可实现，而不需要认为的打标
Loss Function
Reconstruction Loss重构损失
重建Loss 是一个L2 距离，主要用来规范重建过程中的行为，让重建结果更具结构且与周围的信息一致。
作者尝试了L1和L2的loss，最后发现结果差不多。
我在跑代码的时候发现一个问题，就是L2 loss会让恢复的部分趋向于此位置整个训练集像素值的平均值，所以图片会比较模糊，难以捕捉到细节，和论文里所述一致
这里的原因是，要minimize L2 loss事实上就是在最大化一个高斯分布的log_likelihood
比如要拟合猫的分布，每一种猫都会带来一个峰值，L2 loss就是用一个高斯分布去拟合这个多峰的训练集分布，所以就会趋向于训练集的均值。
Adversarial Loss对抗损失
对于一副图像中的空白区域，可能有多种填充方式（修复任务的ground truth事实上是不唯一的，甚至可以认为没有ground truth）符合整体结构以及可以与周围信息很好地接洽，我们称之为不同的模式，而对抗Loss 就是用来进行模式选择。（学习缺失区域的数据分布）
Joint Loss 联合损失
通过结合重建Loss 及对抗Loss，可以让生成结果即具备相当的结构性，又符合整幅图像的语义。
Globally and Locally Consistent Image Completion
这篇论文主要针对Context Encoder的两个点进行了修改
空洞卷积
不使用channel-wise fully-connected layer，而改为使用dilated convoluton，这样就不会限制输入的尺寸了，可以适用于任意分辨率图像的修复
并且，原文的dilation选的很大，我认为这样也可以一定程度上实现channel-wise fully-connected layer整合全局信息的作用，因为dilation选的很大就可以连接距离较远的两个特征点
还有一点，空洞卷积和标准卷积，在相同参数量的情况下，空洞卷积可以提升更多的感受野。原文提到，若采用相同参数的标准卷积只能得到99的感受野，而使用空洞卷积可以获得307的感受野（这里我怎么算都算的是287，大家可以算一下，纠正一下我T T）
加入了Global Discriminator
除了原有的Local Discriminator，这里还加入了全局的判别器，进行双重判别，这样可以在Context Encoder的基础上有更加好的视觉质量，并且对人的五官等复杂结构也可以有比较好的恢复
可以这样理解，比如要修复的地方是鼻子的右半边，但左半边结构还在，做个镜像就得到了右半边，这就是联合了全图判别的一个好处吧（根据论文标题，就是即提升了局部的一致性consistency，也提升了全局的一致性）
网络结构：
整个工程源码已经发布在github（🐕）
github和gitee都已经发啦
如果登不上github可以去码云gitee来一波git clone哦
记得来个star嘿嘿
521
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
