WGAN+U-Net架构实现图像修复

简介

简介：该论文提出了一种基于Wasserstein生成对抗网络（WGAN）的图像修复方法，使用U-Net生成器，通过对抗损失与内容损失联合训练，有效解决了传统方法对破损区域形状大小受限、修复痕迹明显的问题。在CelebA和LFW数据集上的实验表明，该方法修复效果优于现有技术，尤其对大区域和不规则破损具有鲁棒性

论文题目：基于生成对抗网络的图像修复

期刊：计算机科学

摘要：针对现有图像补图算法中存在的损伤区域形状和大小有限、修复痕迹明显、修复边缘不连续等问题，提出了一种基于生成对抗网络的图像补图方法。该方法以生成式对抗网络（generative Adversarial Networks， GAN）为基本架构，结合Wasserstein距离，融合了条件对抗网络