基于多尺度Scale-Unet的单样本图像翻译

作     者：周蓬勃 冯龙 寇宇帆 ZHOU Peng-bo;FENG Long;KOU Yu-fan

作者机构：北京师范大学艺术与传媒学院北京100032 西北大学信息科学与技术学院陕西西安710127 

基　　金：国家自然科学基金项目(62271393) 国博文旅部重点实验室开放课题(CRRT2021K01) 陕西省重点研发计划(2019GY-215,2021ZDLSF06-04) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2024年第34卷第4期

页      码：55-61页

摘      要：随着生成对抗网络(GAN)的发展,基于单样本的无监督图像到图像翻译(UI2I)取得了重大进展。然而,以前方法无法捕获图像中的复杂纹理并保留原始内容信息。为解决这个问题,提出了一种基于尺度可变U-Net结构(Scale—Unet)的新型单样本图像翻译结构SUGAN。所提出的SUGAN使用Scale—Unet作为生成器,利用多尺度结构和渐进方法不断改进网络结构,以从粗到细地学习图像特征。同时,提出了尺度像素损失scale-pixel来更好地约束保留原始内容信息,防止信息丢失。实验表明,与SinGAN、TuiGAN、TSIT、StyTR2等公共数据集Summer■Winter、Horse■Zebra上的方法相比,该方法生成图像的SIFID值平均降低了30%。所提方法可更好地保留图像内容信息,同时生成详细逼真的高质量图像。

主 题 词：单样本图像翻译 Scale-Unet 多尺度结构 渐进方法 尺度像素损失 

学科分类：0810[工学-土木类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20165/j.cnki.ISSN1673-629X.2024.0009

馆 藏 号：203127431...