Resumen

La traducción de imágenes no emparejadas es un problema desafiante en la visión por computadora, mientras que los modelos existentes de redes generativas adversariales (GANs) principalmente utilizan la pérdida adversarial y otras restricciones para modelar. Sin embargo, el grado de restricción impuesto en el generador y el discriminador no es suficiente, lo que resulta en una mala calidad de imagen. Además, encontramos que los modelos actuales basados en GANs aún no han sido implementados agregando un dominio auxiliar, que se utiliza para restringir el generador. Para resolver el problema mencionado anteriormente, proponemos un modelo de GANs a escala y a varios niveles (MMGANs) para la traducción de imágenes. En este modelo, agregamos un dominio auxiliar para restringir al generador, que combina este dominio auxiliar con los dominios originales para modelar y ayuda al generador a aprender el contenido detallado de la imagen. Luego utilizamos el emparejamiento de características a escala y a varios niveles para restringir al discriminador. El prop

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Traducción de imagen; GANs; Dominio auxiliar; Multiscale; Multilevel; Emparejamiento de características
• Keywords:Image translation; GANs; Auxiliary domain; Multiscale; Multilevel; Feature matching