论文部分内容阅读
本文将采用一种改进的循环一致性对抗网络CycleGAN来实现,对生成器进行了改进,提出一种通用的风格迁移生成器结构,不仅可以适用于其他的模型,并且可以让图像更加真实一些。数据表明,改进后的CycleGAN生成图像时,获得了生成图像在真实性与多样性上的提升,同时在素描风格与建筑风格迁移测试中生成图像的PSNR值平均提高了4.81%,SSIM值均提高了约7.74%。进一步提高了稳定性,加快了网络收敛的速度。