BriefGPT - AI 论文速递
·
SRAGAN: 基于显著性正则化与关注的生成对抗网络用于中国水墨画生成
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于显著性图引导的生成对抗网络 (SCGAN) 框架，用于对灰度图进行自动上色。该方法使用预训练的 VGG-16-Gray 网络的全局特征，并通过颜色编码器将其嵌入到颜色化中，可以用较少的数据训练，达到感知上合理的效果。实验结果表明，SCGAN 可以生成比现有技术更合理的上色图像。
🎯
关键要点
- 提出了一种基于显著性图引导的生成对抗网络 (SCGAN) 框架，用于灰度图自动上色。
- 该方法使用预训练的 VGG-16-Gray 网络的全局特征，通过颜色编码器嵌入颜色化。
- SCGAN 可以用较少的数据训练，达到感知上合理的效果。
- 使用两个分层鉴别器增强视觉感知性能。
- 实验结果表明，SCGAN 生成的上色图像比现有技术更合理。
➡️
