原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于生成对抗网络反演推理和自编码器的图像补全方法，属于人工智能领域，首先，设计了一个基于自编码器的GAN，通过训练生成器来学习从噪声到低维特征图的映射，将生成的特征图转换为高分辨率图像，从而降低了学习映射关系的难度。其次，采用基于学习的GAN反演来推断最接近的潜在代码，使用训练好的GAN重建完整的图像。最后，通过定量对比可知，当图像存在大面积破损时，本发明具有更高的补全质量。本发明采用上述的一种基于生成对抗网络反演推理和自编码器的图像补全方法，擅长从图像的内部挖掘信息，在已提前训
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117408921A
(43)申请公布日2024.01.16
(21)申请号202311459854.1G06N3/0455(2023.01)
文档评论（0）