基于SKNet的增强型Pix2pixHD图像去雾方法

针对采用去雾算法处理后图片仍存在色彩失真、残雾遗留等问题,提出一种基于SKNet的增强型Pix2pixHD去雾方法,即在增强型Pix2pixHD网络的增强模块中引入SKNet网络,实现了不同尺度特征的选择和融合,提高了算法对图像特征的利用率。此外,在SKNet网络前添加可变形卷积,使得卷积核产生自由形变,以适应不规则的目标物体,增强了模型的可变换能力,达到了很好的去雾效果。较现有的去雾方法,文章提出的网络更好地利用了图像各个尺度的特征细节,提高了图像去雾的效果。

基于pix2pixHD的行人图像生成

本文提出了一个基于行人姿态mask利用条件生成对抗网络来生成逼真的行人图像的方法,使用了一种最新的adversarial loss和最新的多尺度生成器-判别器结构来增加提高行人图像细节。实验表明,通过使用成对的行人姿态mask和行人图像训练后的pix2pixHD网络可以生成了一幅视觉吸引人的具有目标姿态不同属性性质的行人图像。

一种用于深度学习断层识别的高分辨率地震图像合成方法

断层识别是研究断层构造基础,也是地震资料解释和油藏地质分析的关键环节,针对断层智能化识别研究中的训练数据不足、数据质量差、标注困难等问题,论文提出了一种基于Pix2pix框架的高分辨率断层地震图像合成方法。首先以断层位置信息建立地震记录的标签映射,作为输入生成对抗模型的约束信息;其次通过全局生成器与局部生成器实现由粗糙到精细的图像生成,同时通过一个影响因子去控制多级判别器对不同抽象级别特征的重视程度。最后通过与其他方法的对比实验,论文方法具有更好的视觉感知效果,以及更优的FID,PSNR与SSIM定量化评价指标,可作为监督学习的训练数据来源。

具有区域间注意力机制的街景生成模型设计

针对难以获得长距离依赖的问题,本文受自然语言处理的启发,将图像分部分生成,并在每一部分的前后添加自注意力机制以获取空间上的依赖性,又增加不同区域内同一类别间的响应和一致性,最终设计实现了具有区域间注意力机制的街景生成模型。如此在获得长距离依赖的同时,部分生成也保留了区域间的独立性,防止图像生成因过于耦合而出现的图像不清晰现象。