图像融合方向：《GP-GAN: Towards realistic high-resolution image blending》论文理解_gp-gan权重文件

《GP-GAN: Towards realistic high-resolution image blending》论文理解

论文：《GP-GAN: Towards realistic high-resolution image blending》ACM MM 2019
链接：GP-GAN: Towards realistic high-resolution image blending

论文创新点

1. 首次将GAN应用在图像融合（ImageBlending）的领域的文章；
2. 提出了一个高斯-泊松生成对抗网络框架（GP-GAN），目的是为了利用经典的梯度方法和生成对抗网络的优势；
3. 提出了Blending GAN生成对抗网络来学习合成图像和良好混合图像之间的映射（使用改进的对抗性损失和鉴别器来训练Blending GAN）；
4. 提出了一个高斯-泊松方程来描述高分辨率图像混合问题，该方程受到梯度和图像颜色信息联合的约束优化；
5. 只需要粗略的mask掩膜，文中提出的方法同样可以很好地处理源图像和目标图像的拼接边缘，从而生成良好的融合图像；

具体实现思路

1. 第1阶段中，使用提出的Blending GAN在输入图像的基础上生成低分辨率的图像；
2. 第2阶段中，使用原图的梯度向量场和由第一阶段生成的低分辨率图像（由拉普拉斯金字塔形成的）来求解所提出的高斯泊松方程（即：在方程中添加了图像的梯度信息和颜色信息的共同约束）；

文章内容解析

使用模型整体架构

整体概述

1. 给定合成图像$x$，首先通过将$x^1$馈送到G(x)来获得${\tilde{x}}_l$，其中$x^1$是输入图像$x$的拉普拉斯金字塔中的最粗尺度；
2. 然后，通过使用闭式解优化高斯泊松方程来更新${\tilde{x}}_h^1$。在输入图像
   声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/710938