Image-to-Image Translation with Conditional Adversarial Networks

最新推荐文章于 2023-01-26 23:32:43 发布
最新推荐文章于 2023-01-26 23:32:43 发布
阅读量413 收藏
点赞数
分类专栏： paper reading notes
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36356761/article/details/80765176
版权
本文提出了一种名为条件对抗网络（cGAN）的方法来解决图像到图像的转换问题，它不再依赖于手动设计损失函数。通过引入生成器（采用skip connection的U-net结构）和判别器（使用卷积PatchGAN分类器），cGAN能够根据输入图像生成相应的输出图像，从而避免传统L2损失导致的图像模糊。
摘要由CSDN通过智能技术生成

Image-to-Image Translation with Conditional Adversarial Networks

Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros

Introduction

任务：image-to-image translation(translating one possible representation of a scene into another, given sufficient training data)
现有方法：CNN，但是仍要求手工设计合适的loss
局限：单纯想让输出图像与ground truth尽量接近而设计 L2 L 2 loss，会使生成的图像模糊
直接让GAN进行学习生成真实图像就可以了，针对image translation的问题，本文提出了conditional GAN(cGAN): condition on an input image and generate a corresponding output image

Method

生成器：使用了skip connection的U-net，输入一张边缘图像 x x 和随机噪声 z ，输出生成图像 y

最低0.47元/天 解锁文章
qq_36356761
关注
专栏目录
论文总结：Image-to-Image Translation with Conditional Adversarial Networks
weixin_46808382的博客
12-04 421
论文想要解决什么问题（动机motivation) 图像处理、计算机图形学和计算机视觉中的许多问题都可以被视为将输入图像“翻译”成相应的输出图像。 “翻译”常用于语言之间的翻译，比如中文和英文的之间的翻译。但图像翻译的意思是图像与图像之间以不同形式的转换。比如：一个图像场景可以以RGB图像、梯度场、边缘映射、语义标签映射等形式呈现，其效果如下图。传统图像转换过程中都是针对具体问题采用特定算法去解决；而这些过程的本质都是根据像素点（输入信息）对像素点做出预测(predict from pixels to pi.
《Image-to-Image Translation with Conditional Adversarial Networks》论文总结
zhu_zhu_zhu_zhu_zhu的博客
07-07 6176
《Image-to-Image Translation with Conditional Adversarial Networks》论文总结 图1 图像到图像的转换 目前对于图像到图像间的转换问题（如图1所示）有多种实现方法，例如CNN、其他GAN框架等方法均可实现。但是这些传统实现方法均存在一个问题：对于每一种类型的图像到图像间...
全文翻译&杂记《Image-to-Image Translation with Conditional Adversarial NetWorks》
热门推荐
Sual
04-17 4万+
Image-to-Image Translation with Conditional Adversarial NetWorks 　　这是加里福利亚大学在CVPR 2017上发表的一篇论文，讲的是如何用条件生成对抗网络实现图像到图像的转换任务。 　　> 原文链接：https://arxiv.org/abs/1611.07004 　　> 论文主页：https://phillipi....
【翻译】Image-to-Image Translation with Conditional Adversarial Networks
JeremyZhao1998的博客
12-29 2163
Image-to-Image Translation with Conditional Adversarial Networks 全文翻译
pix2pix Image-to-Image Translation with Conditional Adversarial Networks笔记及代码实现
cumthxy的博客
10-29 361
1.Introduction GANs在最近两年得到了广泛的应用，本文研究的技术很多人就已经提到过，尽管如此，之前的论文都是关注特定的应用，而cGANs作为图像转换的问题的通用方法的有效性仍然是不清楚的，我们的主要贡献 在于阐释了cGANs在很多问题上都能产生合理的结果，第二个贡献在于提出来一个简单有效的框架，并分析了几种结构的选择结果 2.Related work 2.1图像建模的结...
Image-to-Image Translation with Conditional Adversarial Nets
05-07
Image-to-Image Translation with Conditional Adversarial Nets 。 不错的image to image 论文
基础论文（四）Image-to-Image Translation with Conditional Adversarial Networks
qq_42595295的博客
01-26 479
这篇文章俗称pix2pix(即像素映射到像素),和上一篇cycleGAN是相对的，本文用的是已配对的训练集，而cycleGAN是无配对的训练集。
004_SSSS_ Image-to-Image Translation with Conditional Adversarial Networks
D_Trump的博客
07-02 440
pixel2pixel 笔记
(Pixel2PixelGANs)Image-to-Image translation with conditional adversarial networks
weixin_30628801的博客
07-09 206
Introduction 1. develop a common framework for all problems that are the task of predicting pixels from pixels. 2. CNNs learn to minimize a loss function -an objective that scores the quality of res...
Image-to-Image Translation with Conditional Adversarial Networks 总结
gylph的博客
12-03 417
cGAN： Conditional GAN — 在生成模型G和判别模型D中都加入条件信息来引导模型的训练 a general-purpose solution to image-to-image translation problems learn the mapping from input image to output image learn a loss function to...
image-to-Image Translation with Conditional Adversarial Networks
最新发布
12-27
image-to-Image Translation with Conditional Adversarial Networks（条件对抗网络的图像到图像转换）是一种用于图像转换的深度学习方法。它通过训练一个生成器网络和一个判别器网络来实现图像的转换。生成器网络将...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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