没错我是程序猿

其实从名字就能大概猜出来应该是对输入的img做了多层特征的判别，也就是说传统的discriminator是对一张image做判别，但是Multiscale是多个传统discriminator的叠加。比如Multiscale中的第一个D是用来判别输入img的真假，第二个D是判别输入img经过下采样后的真假，以此类推。。。没有看论文直接看了代码，如果理解有问题希望多多指教。下面是代码时间impo...

一．研究动机自2014年Goodfellow等人提出生成式对抗网络(Generative Adversarial Networks,GAN)以来，关于GAN稳定训练的研究层出不穷，其中较为突出的是2017年提出的Wasserstein GAN[1]以及2018年提出的SN-GAN[2]。其共同动机都是通过使鉴别器满足利普希茨（Lipschitz）限制条件（也就是让鉴别器更加鲁棒），从而提高模型的...

持续更新...Globally andlocally consistent image completion（2017）. 作者：S. Iizuka, E. Simo-Serra, and H. Ishikawa. 主要思想：这篇论文主要是利用GAN的思想，采用两个鉴别器与生成器进行对抗，补全缺损图像。损失函数除了GAN损失外在生成器中还加入了MSE损失。 缺点：生成图像的分辨率...

下面是我当时在复现这篇论文是时的过程，不想看的可以直接去我的Github上看代码。https://github.com/CoderAnn/GLCI有问题可以留言，一定会尽全力解答。实验过程简介： 首先，我是基于Context Encoders:Feature Learning by Impainting(2016)复现SATOSHI IIZUKA等人在2017年发表的Gl...