通过协同调制的对抗网络进行大规模图像完成,ICLR 2021(聚焦) | [NEW!]是时候玩我们的! 条件生成对抗网络的许多任务特定变体已经开发出来用于图像完成。 然而,仍然存在严重的局限性,即在处理大规模缺失区域时,所有现有算法都倾向于失败。 为了克服这一挑战,我们提出了一种通用的新方法,该方法通过对有条件和随机样式表示形式进行共调制来弥合图像条件和最近调制的无条件生成体系结构之间的差距。 此外,由于缺乏用于图像完成的良好定量指标,我们提出了新的配对/未配对初始判别分数(P-IDS / U-IDS) ,该指标可通过线性可分离性来可靠地测量修复图像与真实图像之间的感知保真度在特征空间中。 实验证明,在质量和多样性方面都优于最新形式的自由形式图像完成功能,并且易于将图像概括为图像到图像的翻译。 通过协同调制的对抗网络进行大规模图像完成,,盛怡伦,董悦,肖亮,张兆祥,徐彦清华大学与微软