少样本图像生成GLNet网络

全局局部特征融合

混合卷积与自注意力的特征融合方法,在少样本图像生成中同时改善布局一致性与细节清晰度,并能跨域应用于文化遗迹生成。

Li, Zhan · Yuning, Wang · 张顺利 · Yang, Liu · Jiabao, Shi

Applied Soft Computing Journal 2026

技术优势

生成图像布局更一致

通过Mixer块与自注意力捕获长距离依赖,弥补CNN局部感受野局限,生成图像布局与结构更合理。

细节不再模糊

BRF模块融合局部与全局特征,保留细粒度细节,解决生成图像细节模糊问题。

无需大规模数据

在少样本设置下即可生成高质量图像,避免依赖大量标注数据。

跨领域可迁移

不仅适用于自然图像,还首次成功应用于文化遗迹图像生成,展现跨域泛化能力。

应用场景