-
- 这篇文章设计一个有条件的GANs,文中的loss function 用了L1与ground truth距离而不是L2,减少了模糊。
- 文中还用了skips,避免遇到网络结构上的瓶颈丢失了输入图像的重要信息。
- 在判别器上,为了使得图像能高频化,文中将图片变成局部块,这样判别器只是惩罚局部的块,至于连接就用到了另一篇论文的思想,随机马尔代夫方法连接。
- 为了更好优化网络,一步D,一步G,用最小SGD和Adam solver方法。
每日论文image-to-Image Translation with Conditional Adversarial Networks
最新推荐文章于 2022-07-22 11:24:55 发布