SWAGAN：基于样式的小波驱动生成模型
共 2230字，需浏览 5分钟
·
2021-03-01 10:25
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
近年来，生成对抗网络(GANs)在视觉质量方面取得了长足的进展。即便如此，由于频谱偏向的架构和类似的不利损失函数，这些网络仍然遭受高频内容质量下降的问题。为了解决这个问题，作者提出了一种新颖的通用风格和基于小波的GAN (SWAGAN)，它实现了频域渐进生成。SWAGAN在其发生器和鉴别器体系结构中引入小波，在每一步都加强了频率感知的潜在表示。这种方法增强了生成图像的视觉质量，并大大提高了计算性能。通过将其集成到SyleGAN2框架中，作者展示了作者的方法的优势，并验证了小波域中的内容生成会导致更高质量的图像，具有更真实的高频内容。此外，作者验证了作者模型的潜在空间保留了允许StyleGAN作为大量编辑任务基础的特性，并表明作者的频率感知方法也诱导了下游视觉质量的改善。
作者的主要贡献是:
一种分层的、基于小波的图像生成方法，实现了更好的视觉保真度和更真实的光谱。
一种网络设计方法，可减少网络的自然频谱偏置倾向，从而显著减少训练高分辨率生成模型所需的计算预算。
作者的SWAGAN发生器(左)和鉴别器(右)架构。每个ConvBlock等价于StyleGAN2体系结构的一个特性分辨率递增块，该体系结构本身由两个样式块组成。小波和小波对应于StyleGAN2的tRGB和fRGB层，它们的目的是学习小波分解和高维特征之间的映射。小波反变换用IWT表示，而Up和Down是非学习层，分别负责将图像转换为更高分辨率或更低分辨率的初始小波分解。
作者概述了一种基于样式的生成框架的替代方法，它在频域上运行，而不是直接在rgb空间中。这种方法被证明可以产生更真实的视觉效果，特别是在中高频率范围内。该模型直接在频率空间中操作，可以通过表示的低频变化即小波系数来影响输出的高频变化。这直接解决了神经网络的频谱偏差，并提示显著提高了收敛速度。事实证明，采用基于小波的生成式方法可以训练一个基于样式的生成式模型，其性能类似，而计算开销仅为其计算开销的四分之一。作者进一步表明，作者的质量优势可以扩展到下游任务，允许更真实的图像重建或编辑操作。
频域生成的景象为未来的研究留下了许多场所。作者的探索集中在一个单一的小波函数(Haar小波)，它不一定是最优的。事实上，它可能学习一个更好的小波，或利用一组不同的小波，同时允许网络使用适当的权值在它们之间混合和匹配。进一步研究的另一个有趣的方向可能是将频域生成适应于视频领域，例如通过建立在现有的时空小波方案上。
在涉及下游任务时，作者将自己限制在那些通过直接优化方法处理的任务中。然而，最近，基于编码器的方法[28]越来越受欢迎，它提供了一种比优化更快的替代方法，并提高了各种图像到图像转换任务的质量。这些编码器遭受急性高频缺点，部分由于他们使用L2基损失。因此，为此类编码器探索类似的基于频率的处理方法可能是有益的。此外，一些解缠任务可能更适合于频谱表示，特别是那些与频率相关的任务。这条道路也应该被探索。
总之，作者希望作者的工作能启发其他人考虑用于内容生成的替代表示，因为正如这里所展示的，这些表示更适合于网络学习，在质量、运行时和训练收敛方面产生广泛的优势。
论文链接：https://arxiv.org/pdf/2102.06108.pdf
每日坚持论文分享不易，如果喜欢我们的内容，希望可以推荐或者转发给周围的同学。
- END -
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~