渐进式图像重构网络：像画画一样重构图像( 七 )_选自arXiv作者：ShengYou、NingYou、Mi

与基线的比较。在图 6 中，研究人员使用数据集 edges2shoes 和 edges2handbags 定性比较了 PI-REC 和基线在 E2I 任务上的结果。结果显示，本文的模型同时在内容和样式重构上超过了当前最先进的方法。就内容级别而言，本文的模型生成了更准确的细节（图 6 上半部分）。同时，此模型根据用户指定的颜色样式生成了更加准确的颜色，而非仅仅是根据样例指导图片生成粗略的颜色分布（图6下半部分）。

定量评估

评估指标。研究人员从真实性和准确性两方面对输出结果进行了定量评估。在真实性方面，给定各种方法生成的图像对，五个工作人员在没有时间限制的情况下从中选出更逼真的图像。此外，研究人员使用 logits 输出的kernel-MMD和 FID 分数来定量评估输出质量。

真实性准确率评估。如表 3 中所述，研究人员将本文的模型与 BicycleGAN 、MUNIT 进行了对比，它们分别是监督 I2I 转化领域和无监督 I2I 转化领域的代表性方法。为了获得质量最好的重构结果，研究人员将真实图像作为样式图像输入 MUNIT 和 BicycleGAN。另外，为了公平比较，研究人员还将颜色域作为样式图像输入其中。