CycleGAN-SN：结合谱归一化和CycleGAN的图像风格化算法

您当前的位置：

首页 >

文章列表页 >

CycleGAN-SN：结合谱归一化和CycleGAN的图像风格化算法

更新时间：2025-07-09

- CycleGAN-SN：结合谱归一化和CycleGAN的图像风格化算法
- Issue 5, Pages: 133-141(2020)
- 作者机构：
  
  西安交通大学电子与信息学部
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP391.41
- Published：2020
- 稿件说明：
移动端阅览
[J]. 2020, (5): 133-141.
DOI：

[J]. 2020, (5): 133-141. DOI：

摘要

为解决CycleGAN算法图像风格化质量不高、网络稳定性不强的问题

提出了CycleGANSN算法。在CycleGAN算法判别网络的每一个卷积层后添加谱归一化层

通过幂迭代法估算卷积层参数矩阵的谱范数

采用随机梯度下降法更新卷积层参数。由于参数在每一次更新中的变化量很小

只需迭代一次即可快速估算出矩阵的最大奇异值。根据得到的最大奇异值

对卷积层参数进行归一化处理

使得整个判别网络满足1-Lipschitz连续。在4个常用风格图像数据集上进行实验

并与CycleGAN算法进行对比

结果表明:所提算法能够在保留原有图像细节的基础上

生成色彩鲜艳、纹理清晰、风格渲染充分的风格化图像;在训练过程中的损失函数振荡幅度小

能够使用更大的学习率进行训练

稳定性较强;能够有效减少网络收敛所需的步数

收敛速度较快;在测试阶段一次性风格化751幅图像时

时间最多仅增加0.63s

几乎没有额外的时间消耗。

Abstract

关键词

Keywords

references

Views

549

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Study on the Thermodynamic Properties in the Anomalous Region of Supercritical Water

Windage Loss and Flow Characteristics in Impeller Back Gaps of sCO2 Radial Inflow Turbines

Mechanism and Optimal Control Strategy for Hysteresis in Rapid Dehumidification Response of Indirect Thermal Systems in Electric Vehicles

A Structure-Semantics-Residual Collaborative Image Compression Framework：Towards Privacy Protection and High-Fidelity Reconstruction

Research on the Electrohydrodynamic Effects of Ionic Liquid-Modified Fuels

Related Author

No data

Related Institution

No data

⁰