基于条件Wassertein生成对抗网络的图像生成

• 作者: 郭茂祖 杨倩楠 赵玲玲
• 来源期刊: 计算机应用
• 关键词: 图像生成 生成对抗网络 条件生成对抗网络 Wassertein距离
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 虚拟现实与多媒体计算|Virtual reality and multimedia computing
• 页码范围: 1432-1437
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020071138

摘要

生成对抗网络(GAN)能够自动生成目标图像,对相似地块的建筑物排布生成具有重要意义.而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题.针对这些问题,提出了一种面向图像生成的条件Wassertein生成对抗网络(C-WGAN)模型.首先,该模型需要识别真实样本和目标样本之间特征对应关系,然后,根据所识别出的特征对应关系进行目标样本的生成.模型采用Wassertein距离来度量两个图像特征之间分布的距离,稳定GAN训练环境,规避模型训练过程中的模式崩溃,从而提升生成图像的精度和训练效率.实验结果表明,与原始条件生成对抗网络(CGAN)和pix2pix模型相比,所提模型的峰值信噪比(PSNR)分别最大提升了6.82％和2.19％;在训练轮数相同的情况下,该模型更快达到收敛状态.由此可见,所提模型不仅能够有效地提升图像生成的精度,而且能够提高网络的收敛速度.