十三 发自 凹非寺量子位 报道 | 公众号 QbitAI

数据集太小了，无法训练GAN？试试从单个图像入手吧。

去年谷歌就提出了SinGAN，是第一个拿GAN在单幅自然图像学习的非条件生成模型(ICCV 2019最佳论文)。

而最近，来自Adobe和汉堡大学的研究人员，对这个方法做了改进，探讨了几种让GAN在单幅图像提高训练和生成能力的机制。

研究人员将改进的模型称作ConSinGAN。

那么，先来看下ConSinGAN的效果吧。

上图左侧是用来训练的单个图像，右侧是利用ConSinGAN训练后生成的复杂全局结构。

可以看出效果还是比较逼真。

当然，ConSinGAN还可以用来处理许多其他任务，例如图像超分辨率( image super-resolution)、图像动画(image animation)，以及图像去雾(image dehazing)。

下面两张就是它在图像协调(image harmonization)和图像编辑(image editing)上的效果。

ConSinGAN是怎么做到的呢？

训练架构优化：并行的SinGAN

首先，我们先来看下SinGAN的训练过程。

SinGAN在图像中训练几个单独的生成网络，下图便是第一个生成器，也是唯一从随机噪声生成图像的无条件生成器。

△在SinGAN中训练的第一个生成器

这里的判别器从来不将图像看做一个整体，通过这种方法，它就可以知道“真实的”图像补丁(patch)是什么样子。

这样，生成器就可以通过生成，在全局来看不同，但仅从补丁来看却相似的图像，来达到“欺诈”的目的。

在更高分辨率上工作的生成器，将前一个生成器生成的图像作为输入，在此基础上生成比当前还要高分辨率的图像。

所有的生成器都是单独训练的，这意味着在训练当前生成器时，所有以前的生成器的权重都保持不变。

这一过程如下图所示。

而在Adobe与汉堡大学的研究人员发现，在给定的时间内仅能训练一个生成器，并将图像(而不是特征图)从一个生成器传输到下一个生成器，这就限制了生成器之间的交互。

因此，他们对生成器进行了端到端的训练，也就是说，在给定时间内训练多个生成器，每个生成器将前一个生成器生成的特征(而不是图像)作为输入。

这也就是ConSinGAN名字的由来——并行的SinGAN，过程如下图所示。

然而，采取这样的措施又会面临一个问题，也就是过拟合。这意味着最终的模型不会生成任何“新”图像，而是只生成训练图像。

为了防止这种现象发生，研究人员采取了2个措施：

在任意给定时间内，只训练一部分生成器；对不同的生成器采用不同的学习率(learning rate)。下图就展示了使用这两种方法实现的模型。默认情况下，最多同时训练3个生成器，并对较低的生成器，分别将学习率调至1/10和1/100。

在这个过程中，有一个有趣的现象。

如果对较低的生成器采用较高的学习率，那么生成的图像质量会高些，但是差异性较弱。

相反，如果对较低的生成器采用较小的学习率，那么生成图像的差异性会丰富一些。如下图所示。

代码已开源

ConSinGAN的代码已经在GitHub上开源。

老规矩，先介绍一下运行所需要的环境：Python 3.5；Pytorch 1.1.0。

安装也非常简单：

pip install -r requirements.txt

若要使用论文中的默认参数训练模型：

python main_train.py --gpu 0 --train_mode generation --input_name Images/Generation/angkorwat.jpg

在英伟达GeForce GTX 1080Ti上训练一个模型大约需要20-25分钟。

不同的学习率和训练阶段数量，会影响实验的结果，研究人员推荐二者的默认值分别是0.1和6。

当然也可以修改学习率：

python main_train.py --gpu 0 --train_mode generation --input_name Images/Generation/colusseum.jpg --lr_scale 0.5

修改训练阶段的数量：

python main_train.py --gpu 0 --train_mode generation --input_name Images/Generation/colusseum.jpg --train_stages 7

当然，模型也可以用来处理“图像协调”和“图像编辑”等任务，详情可参阅GitHub。

传送门