什么?AI黑白图像能够自动上色?( 七 )

最终达到的预测效果如图所示

下面简单介绍下GAN的应用广泛:

事实上随着GAN理论的不断完善 , GAN逐渐展现出了自己非凡的魅力 , 在一些应用领域开始大放异彩 , 由此衍生了一些非常fancy的应用 。

1. 图像生成: GAN是一个生成模型 , 可以用来生成图像、音频等等 , 并且生成质量逐年增加 ,

2.图像转换:

一般的GAN的生成器G输入是一个随机向量 , 输出的是图像 , 这里的生成器的输入是图像 , 输出的是转换后的图像 。 说到这里 , 就需要提到cycle-GAN了 , 可以实现风景画和油画互变 , 马和斑马互相转换等等任务 , cycleGAN的主要贡献是提供了一种无监督的图像翻译方法 , 这是pix2pix所做不到的 。

3. 图像合成:

图像合成这个特殊任务是通过某种方式的影像叙述创立新的影像的步骤 。 pix2pix和cycleGAN 都归属于图像合成各个领域的一部分 。 影像制备也有一些类似于的管理工作 , 并且有很nice的应用于桥段 。

推荐阅读