基于条件生成对抗网络图像到图像翻译技术研究.pdfVIP

table{边框‑合并:塌陷;}table,th,td{border:1pxsolid#000;}

基于条件生成对抗网络的图像到图像

翻译

斯坦福大学

地球资源工程系

jhu7@stanford.edu尤

薇妮斯坦福大学计算机

科学系

w

ei

niyu@stanford.edu尤

周昌万斯坦福大学电气

工程系

zyu21

@stanford.edu

我们研究了使用条件生成对抗网络（C‑GAN）进行空中图像到地图图像的翻译。首先，我

们重现了Isola等人C‑GAN模型，然后探索了各种网络架构、损失函数和训练策略。

我们展示了不同模型的定性和定量评估，并得出结论，基于残差的模型仅用1000个训练样

本就能生成质量更高的图像。

1引言

图像到图像的转换任务是接收输入图像并将其生成或转换为不同的视觉空间。传统上，

不同的任务如灰度转彩色、图像转语义和边缘图转需要不同的手工设计机制。

，GAN的发展[1]了一种更通用的方法，通过学种“对抗性”损失来适应

数据，从而处理类似的任务。在本项目中，我们探索使用条件GAN（C