GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型

冯永1尚家兴1张春平1张逸扬1强保华2

1.重庆大学; 2.桂林电子科技大学;

摘要：

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein 距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN (Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成…展开v

关键词：图像生成、生成对抗网络、Wasserstein距离、深度学习、权重剪枝、梯度惩罚

所属期刊栏目：43

分类号：TP18(自动化基础理论)

资助基金：本课题得到国家自然科学基金;国家重点研发计划;重庆市基础与前沿研究计划;广西可信软件重点实验室开放课题;广西光电信息处理重点实验室培育基地基金;重庆市重点产业共性关键技术创新专项;重庆市社会事业与民生保障科技创新专项

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：190-205