GAN学习历程之INSTAGAN论文笔记

本文介绍了INSTAGAN,一种在保持背景不变的情况下,利用图像和实例信息进行实例转换的方法。INSTAGAN基于CycleGAN并引入了额外的实例信息,通过context preserving loss确保背景的保真性。实验结果显示,虽然图像生成效果有待提升,但实例分割效果显著。
摘要由CSDN通过智能技术生成

INSTAGAN:

Instance-aware image-to-image translation
论文地址:https://arxiv.org/pdf/1812.10889.pdf
代码地址:https://github.com/sangwoomo/instagan

  • Abstract

    提出:
    为解决一些具有挑战性的问题,尤其是当一个图片有多个目标实例和涉及形状改变的转换任务。
    1. Introduction
    文章介绍了一种利用图像和实例信息作为输入,在保证背景不变的情况下对实例进行转换方法。InstaGAN主要是在cycleGAN的基础上进行改进。
    2.instaGAN architecture
    我们利用CycleGAN的方式来建立我们的InstaGAN。我们方法的核心在于合并额外的实例信息。论文中,仅仅使用了实例分割图,但是我们标记出任何类型的实例信息合并为属性。
    图一 instagan的结构

    图一 Instagan的结构

以下是论文中所提到InstanGAN的整体结构,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值