摘要
本发明涉及人工智能领域的一种增强图像多样性的深度生成模型,含风格特征提取器Ex、风格特定多机制生成器、图像风格编码器Es和域特定判别器D。Ex从高斯分布采样噪声向量,经多层全连接映射输出多个风格特征向量。包括共享的编码层和风格特定的解码层,前者通过下采样网络提取图像内容,后者采用多分支并行上采样设计,各分支融合一个风格特征向量以输出对应风格生成图像。Es提取生成图像风格特征并与参考风格特征向量比较,还提取原图像特征,与生成样本融合后和原始样本比较。D采用多分支输出设计,用于输出D输入图像属于对应图像域的概率,并实现生成的图像均匀分布于多个图像域。模型可跨多图像域,增强各域内生成图像多样性。
技术关键词
深度生成模型
风格
样本
编码器
多分支
机制
信息熵
图像提取特征
解码
网络
噪声
数学
重构
上采样
模式
参数
系统为您推荐了相关专利信息
订正方法
多模态
站点观测数据
标签
神经网络结构
信息编码器
多尺度特征融合
解码器
注意力机制
疲劳裂纹长度
点击概率
视频推荐方法
多头注意力机制
交互特征
计算机可读指令
KRAS基因突变
智能预测系统
半监督学习
网络主体
注意力机制
混合调度策略
负载平衡机制
在线
模型预训练
偏差