基于扩散过程的生成对抗网络图像修复算法OA北大核心CSTPCD
针对现有图像修复算法修复后的图像可能会出现纹理模糊,以及训练过程中存在的不稳定现象,提出一种基于扩散过程的生成对抗网络图像修复算法.将扩散模型引入至双判别器生成对抗网络,生成器生成的图像与真实图像经过前向扩散过程,得到带有高斯噪声的修复图像和真实图像,将其作为判别器的输入,在提高修复质量的同时,增加了模型训练稳定性.在损失函数中引入风格损失与感知损失来学习语义特征差异,消除动态模糊,使修复结果保留更多细节和边缘信息.在CelebA和Places2数据集上分别做定性、定量分析及消融实验,评价结果及修复效果显示,所提出的算法均有较好的表现.与所对比的当前修复方法相比,峰值信噪比和结构相似性分别平均提高了1.26 dB和1.84%,L1误差平均下降了25.7%,且根据损失函数变化可以看出经过扩散过程的图像修复算法训练更稳定.
杜洪波;袁雪丰;刘雪莉;朱立军
沈阳工业大学理学院,沈阳110870沈阳工业大学理学院,沈阳110870沈阳工业大学理学院,沈阳110870北方民族大学数学与信息科学学院,银川750021
计算机与自动化
图像修复生成对抗网络扩散模型高斯噪声
《南京信息工程大学学报》 2024 (6)
P.751-759,9
国家自然科学基金(11861003)辽宁省教育厅高等学校基本科研项目(LJKZ0157)。
评论