多尺度GAN修图网络

无监督训练加速1.7倍

通过统一生成器与判别器的深层潜在表征设计，该网络以无监督方式学习，并借助单向内容损失快速收敛，无需成对训练数据。

历至 · Rahardja, Susanto

IEEE Transactions on Multimedia 2023

参数信息

训练速度提升

1.7 倍

技术优势

无需成对数据

框架以无监督方式训练，不再依赖现实中难以获取的成对图像。

特征利用更充分

判别器设计为多尺度多阶段，多个辅助判别器利用不同尺度的潜在特征进行最终识别，强化对抗学习。

应用场景

• 图像增强：直接集成到图像处理流水线提升照片质量，无需配对数据。
• 自动修图：替代人工修图，自动完成照片美化，降低专业门槛。
• 视觉内容处理：作为视觉内容处理模块，无监督学习便于在新数据上微调。