#412 · 主分类： 计算机视觉
context-encoder
computer-graphics
computer-vision
context-encoders
dcgan
deep-learning
gan
generative-adversarial-network
image-inpainting
machine-learning
unsupervised-learning
[CVPR 2016] 基于GAN的图像修复的无监督特征学习
项目最后更新：07/19/20
GitHub Stars
907
Forks数量
200
贡献者数量
1
许可证
BSD-2-Clause
收录理由
这个代码库是CVPR 2016上发表的Context Encoder论文的官方实现。该论文提出用对抗生成网络进行图像修补，同时用重建损失和对抗损失训练模型，证明仅靠填补图像缺失区域的结构，就能学到有用的视觉特征。仓库里包含了语义修补的快速演示、针对中心区域和任意随机区域的训练与测试代码，还提供了预训练模型供下载使用。项目基于Torch框架，从Soumith的DCGAN派生而来，如果你熟悉早期的深度学习技术栈，读起来会相当顺畅。不过，这是几年前的研究代码，之后没有持续维护，更像是一份解释想法的参考材料，不适合直接用作生产流程中的工具。后来的图像修补和复原工作，很多都延续了这篇论文的思路。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。