摘要
针对图像修复任务过于困难的问题,采用基于生成对抗网络的双判别器模型,通过增设局部判别器追踪图像局部缺失区域信息,有效提升了修复准确性。但模型在产生合理语义性信息方面并不乐观。为此,提出Multi-Angle GAN模型。在双判别器模型基础上增设分类器和Vgg19特征提取网络,分别向生成网络提供类别、风格和内容损失约束。针对GANs判别器设计存在的训练不稳定问题,向判别器设计中引入谱归一化和Wasserstein距离。在CelebA、Places2数据集上进行大量实验,结果表明,Multi-Angle GAN较之前方法在PSNR和SSIM上分别提升0.6~0.8 dB和0.02~0.05。
- 单位