摘要
الطرق الحالية لتوليد الصور القائمة على الشبكات التوليدية التنازلية الدائرية تحقق تأثيرًا جيدًا في مهام تحويل الصور غير المتطابقة من خلال إدخال وحدات انتباه عامة مستقلة، لكنها تزيد من تعقيد النموذج ووقت التدريب، ويصعب التركيز على جميع التفاصيل في المناطق الرئيسية للصورة، وما زال هناك مجال لتحسين جودة توليد الصور. لمواجهة هذه المشاكل، نقترح شبكة توليد تنازلية دورانية تسترشد بآليتي انتباه خاصتين مزدوجتين (Dual-SAG-CycleGAN)، حيث يتم توجيه كل من المولد والمميز بآليات انتباه مختلفة. أولًا، نقدم وحدة انتباه خاصة تُسمى SAG (Special Attention-mechanism Guided) لتوجيه المولد، والتي تقلل تعقيد الشبكة مع تحسين جودة الصور المولدة؛ ثم نستخدم وحدة توجيه انتباه خاصة تعتمد على تخطيط تنشيط الفئة (CAM) للمميز، لكبح الضوضاء غير ذات الصلة التي يولدها المولد؛ وأخيرًا، نطرح وظيفة خسارة تناسق دائرية لقناع الخلفية لتوجيه المولد لتوليد أقنعة أكثر دقة، مما يساعد على تحسين تحويل الصور. أظهرت التجارب أن الطرائق المطروحة تقلل عدد معلمات النموذج بنسبة تقارب 32.8% مقارنة بالنماذج المشابهة الحالية، وتعزز سرعة التدريب بنسبة 34.5%، مع تحقيق أدنى قيم لـ KID وFID عند 1.13 و57.54 على التوالي، مما يوفر جودة تصوير أعلى.
关键词
الشبكات التوليدية التنازلية;تحويل الصور غير المتطابقة;آلية انتباه خاصة;خسارة التناسق الدائري;توليد الصور
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website