深度生成模型之GAN的评估 -＞（个人学习记录笔记）

发布时间：2024年01月02日

文章目录

深度生成模型之GAN的评估

图像翻译的应用

1. 风格迁移

  • 各类风格化应用

在这里插入图片描述

2. 数据增强

  • 仿真数据，增强数据的多样性

在这里插入图片描述

3. 经典图像任务

  • 图像上色，图像分割，边缘检测，图像增强，超分辨，图像修复等

在这里插入图片描述

4. 内容创作

  • 交互式图像生成，图像编辑
    在这里插入图片描述

5. 人脸图像编辑

  • 人脸表情，年龄，妆容，身份编辑，动漫风格化等

在这里插入图片描述

6. 人体图像编辑

  • 虚拟试衣，动作迁移等

在这里插入图片描述

图像翻译模型

1. 有监督图像翻译模型

  • Pix2pix，输入为图片，输出为图片，条件也是图片，需要成对的图片/标签数据进行训练

在这里插入图片描述

  • Pix2pixHD，使用多尺度生成高精度结果(2048×1024)

在这里插入图片描述

2. 无监督图像翻译模型

  • Couple-GAN，获取两个域的联合分布

在这里插入图片描述

  • UNIT，使用两个编码器将不同域的样本X1和X2映射到共享潜在空间z，然后分别输入生成器和判别器

在这里插入图片描述

  • CycleGAN，循环GAN

在这里插入图片描述

  • CycleGAN工程技巧

在这里插入图片描述

  • 与CycleGAN近似等价的其他结构，DualGAN，DiscoGAN，XGAN
    在这里插入图片描述

3. 多域图像翻译模型

  • StarGAN，多域之间的转换

在这里插入图片描述

  • 部分内容来自阿里云天池
文章来源:https://blog.csdn.net/Slience_me/article/details/135345533
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章