研究人员开发了Super-Resolution Generator (SuRGe)，这是一种新颖的生成对抗网络（GAN）架构，旨在提高图像质量。SuRGe使用可学习的权重结合不同网络深度的特征，并结合Jensen-Shannon和Gromov-Wasserstein损失来提高生成器利用信息的能力。判别器使用带梯度惩罚的Wasserstein损失进行训练，以防止模式崩溃，与现有最先进的方法相比，从而提高了性能并降低了推理时间。 AI
影响 这项研究引入了一种新颖的GAN架构，可能带来更高效、更有效的图像增强工具。
排序理由 该集群包含一篇详细介绍新模型架构和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Arkaprabha Basu
- Generative Adversarial Network
- Gromov-Wasserstein
- Super-Resolution Generator
- Wasserstein loss with gradient penalty
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
