新几内亚 swMATH ID: 43428 软件作者: Tamar Rott Shaham、Tali Dekel、Tomer Michaeli 描述: 辛根:从单个自然图像中学习生成模型。我们介绍了SinGAN,一种可以从单个自然图像中学习的无条件生成模型。我们的模型经过训练以捕捉图像中补丁的内部分布,然后能够生成与图像具有相同视觉内容的高质量、多样的样本。SinGAN包含一个由完全卷积GAN组成的金字塔,每个GAN负责学习图像中不同尺度上的斑块分布。这允许生成任意大小和纵横比的新样本,这些样本具有显著的可变性,同时保持训练图像的全局结构和精细纹理。与以前的单图像GAN方案相比,我们的方法不仅限于纹理图像,而且没有条件(即它从噪声中生成样本)。用户研究证实,生成的样本通常被混淆为真实图像。我们展示了SinGAN在各种图像处理任务中的实用性。 主页: https://arxiv.org/abs/11905.01164 源代码: https://github.com/tamarott/SinGAN网站 依赖项: 蟒蛇 关键词: 新几内亚;单一自然图像;计算机视觉;模式识别;arXiv_cs。个人简历;无条件生成模型;蟒蛇;GAN公司 相关软件: ImageNet公司;亚当;Wasserstein甘;斯塔根;蟒蛇;甘西姆;合成蛋白;PyTorch公司;MS-COCO公司;素描GAN;TensorFlow公司;模仿;张紧器2传感器;f-甘氨酸;形态自由基;哥伦比亚广播公司;KeOps公司;AlexNet公司;可操纵金字塔;L-BFGS公司 引用于: 7文件 标准条款 1出版物描述软件 年份 辛根:从单个自然图像中学习生成模型arXiv公司Tamar Rott Shaham、Tali Dekel、Tomer Michaeli 2019 全部的 前5名22位作者引用 三 张婷 1 奥姆里·阿泽科特 1 白华林 1 伊多·科恩 1 董岳 1 高,冯 1 吉尔博亚,盖伊 1 侯洁 1 侯丽君 1 安托万·胡达德 1 季欣 1 亚瑟·勒克莱尔 1 利夫希茨,帕维尔 1 陆芳芳 1 倪建成 1 尼古拉斯·帕帕达基斯 1 彭、袁 1 朱利安·拉宾 1 理查德·塞利斯基 1 张安琴 1 张素素 1 周子丽 5篇连载文章中引用 三 计算地球科学 1 数学成像与视觉杂志 1 SIAM成像科学杂志 1 计算机科学课文 1 计算的数学基础 全部的 前5名在8个字段中引用 5 计算机科学(68至XX) 5 信息与通信理论、电路(94-XX) 2 统计学(62-XX) 2 地球物理学(86-XX) 1 偏微分方程(35-XX) 1 变分法与最优控制;最优化(49至XX) 1 数值分析(65-XX) 1 流体力学(76-XX) 按年份列出的引文