Chunk_Wang的博客

3.方法就像图二显示的，我们的系统由两部分组成：一个图像转换网络fWf_W和一个被用来定义几个损失函数的损失网络ϕ\phi 。这个图*像转换网络是一个深度残差卷积神经网络，由权重W参数化。它将输入图片x转化成使出图片y^\hat{y}，通过制图函数y^=fW(x)\hat{y}=f_W(x).每一个损失函数计算一个标量值li(y^,yi)l_i(\hat{y},y_i)测量输出图像y^\hat{y}

基于马尔科夫随机场和卷积神经网络组合的图像合成（Image Synthesis）摘要 这篇文章研究了用于生成2D图像的生成马尔科夫随机场模型MRF和有分辨能力的已训练的深度卷积神经网络dCNNs的组合。生成马尔科夫随机场模型作用在dCNN的高层特征上，在抽象层次控制了图像的布局。我们在照片和非照片上都使用了这个方法进行合成任务。MRF正则项（regularizer）阻止了过激失真artfacts，