SinGAN:Learning a Generative Model from a Single Natural Image (用一张自然图片,学出一个生成模型) 。
ICCV 2019
论文
源码
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、多变的样本。SinGAN包含一个金字塔结构的全卷积GAN,每个GAN负责学习图像不同尺度的分布信息。因此可以生成具有任意尺寸和纵横比的新样本,这些样本具有明显的变化,同时又可以保持训练图像的整体结构和精细的纹理特征。与之前的单图像GAN方案对比,本文方法不局限于纹理图像,而且是非条件的(即从噪声生成样本)。大量实验证明SinGAN生成的样本具有较好的真实性,而且可以应用于多种图像处理任务中。
一. 整体框架图如下图所示:
二.多尺度结构及理解
SinGAN 包含金字塔结构的生成器和判别器,以及训练图像金字塔,其中训练图像金字塔