论文阅读：Image Processing Using Multi-Code GAN Prior

水平有限，有错望纠。

1. Introduction

尽管生成式对抗网络(GANs)在图像合成方面取得了成功，但将训练好的GAN模型应用于真实图像处理仍然具有挑战性。 实现这一目标的主要挑战是标准的GAN模型通常是 从随机噪声中合成图像，因此无法获取真实图像进行后续图像处理。通常的做法是将给定的图像反转回潜在代码，以便生成器可以重建它。要逆转生成过程，现有方法分为两种类型。一种是通过反向传播使重构误差最小化来直接优化潜在代码。另一种是训练一个额外的编码器来学习从图像空间到潜在空间的映射。然而，这两种方法的重建效果都很不理想，特别是在给定图像分辨率较高的情况下。

2.Method

2.1 多潜码GAN反演

2.2 图像处理中的mGANPrior