本文探讨了一种使用条件生成对抗网络（GANs）将素描转化为彩色卡通图像的方法，该方法基于pix2pix框架，并增加了特征损失和色彩平滑损失。G网络采用U-net结构，D网络采用patchGAN的D网络。损失函数包括原始的GAN和L1损失，以及通过VGG网络计算的特征L2距离和色彩平滑损失。实验结果显示了不同损失函数的影响和与pix2pix的比较。
该论文用GAN给卡通画上色，其基本框架是pix2pix，主要贡献是在pix2pix的基础上加入了feature loss和色彩平滑loss。
由于该论文是基于pix2pix的，所以其使用的G网络和D网络都与pix2pix一样：
左边是G网络，使用的是U-net。右边是D网络使用的是patchGAN中的D网络，其输出是一个30*30的矩阵。
我们主要看看损失函数。
首先是原始的pix2pix的两个损失函数，分别是原始的GAN损失函数和G网络的L1损失函数，没啥好说的：
由于pix2pix中G网络的L1损失函数只是像素级别的损失函数，无法作用到高级的抽象特征，因此引入了VGG网络的中间层作为生成图片和真
最低0.47元/天 解锁文章
扫一扫
4138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
