Pytorch实现论文之三元DCGAN生成RGB图像用于红外图像着色生成

简介

简介：采用了三次DCGAN单独生成单通道图像之后进行组成RGB图像放入鉴别器中检测，并在鉴别器和生成器的损失训练中采用梯度方法来提升或者降低权重。该方法将用于获得红外图像着色的生成。

论文题目：Infrared Image Colorization based on a Triplet DCGAN Architecture（基于三元DCGAN架构的红外图像着色）

会议：2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops

摘要：本文提出了一种使用深度卷积生成对抗网络（GAN）架构对近红外（NIR）图像进行着色的新方法。所提出的方法基于使用三元组模型以更均匀的方式独立学习每个颜色通道。它允许在训练期间快速收敛，获得彩色NIR图像与相应地面实况之间更大的相似性。所提出的方法已经用大型近红外图像数据集进行了评估，并与最近的方法进行了比较，该方法也是基于同时获得所有颜色通道的GAN架构。

模型结构

生成器架构

主要有两个方法的特殊点，一个是高斯噪声与图像的混合输入，一个是每个DCGAN生成单独的一个通道图像，之后组成RGB图像输入到鉴别器当中。