基于生成对抗网络的图像渐进式生成算法研究

作     者：姜枫 

作者单位：浙江大学 

学位级别：硕士

导师姓名：许端清;赵磊

授予年度：2019年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像生成 生成对抗网络 特征约束 渐进式生成 

摘      要：图像生成算法是计算机视觉领域的热门研究方向之一,其应用非常广泛。目前最主流的图像生成算法主要是基于生成对抗网络及其变体,相对于其他图像生成算法,基于生成对抗网络的图像生成算法极大地提高了图像生成的质量。基于生成对抗网络的图像生成技术还受到工业界的广泛关注,大量的公司正在投入大量的精力来发展和推广生成对抗网络模型,并取得了一定的成效。但是基于生成对抗网络的图像生成方法仍然存在模型训练过程不稳定、生成图像多样性不足、高分辨率图像生成质量差等问题,本文针对上述问题展开研究,具体工作如下:1)针对高分辨图像生成质量差以及模型训练过程不稳定等问题,提出了基于多层特征约束的渐进式图像生成算法,该算法首先提取图像不同层次的抽象特征,然后在图像生成过程中逐步加入不同层次的抽象特征约束,最终在多个不同层次特征约束下生成高质量的高分辨率的图像。相对于普通的生成对抗网络,基于多层特征约束的渐进式生成对抗网络在图像生成质量上取得了极大的提高,使得生成的图像更加得可靠可控,特别是在高分辨率图像上也能够生成较为清晰的高质量图像。2)针对高分辨图像生成质量差等问题,提出了基于上下文内容约束的渐进式生成算法,区别于其他的从低分辨率到高分辨率的渐进式生成方式,该算法在固定的分辨率上首先生成图像中心区域的小尺寸图像,然后在保持分辨率不变的情况下,不断地根据小尺寸的图像生成更大尺寸的图像,依此类推直到生成大尺寸的高分辨率的最终图像。在公开数据集上的实验结果表明,该算法能生成高质量、高分辨率的大图像。