写在最前:自己瞎叨叨的论文笔记,有问题感谢指出,感兴趣欢迎讨论( •̀ .̫ •́ )✧
Creating High Resolution Images with a Latent Adversarial Generato
0. Summary
有点像CGAN,输入由两部分组成包括极低分辨率的图像y和z~N(0,1),极低分辨率的图像direct生成器生成a set of imgs,这组imgs以y对应的原始分辨率图像x(称为perceptaul center)为中心(对应z=0时取得),随着z取值的变化取得与x相似又微有不同的图。
不直接对raw数据算pixel-loss,而是在latent space衡量生成数据和假数据的距离
1. background
- 与sr的区别:
- 本文:输出a possible set of images
- sr:输出仅和输入的单张低分辨率图像对应的一张图像,目的是(降采样后)与输入尽可能相似
- 在image reconstruction任务中,多种task loss被结合在一起(例如pixel content distributional perceptual texture textual),需要人工调整