公开(公告)号：CN117408921A

公开(公告)日：2024-01-16

申请号：CN202311459854.1

申请日：2023-11-03

Applicant: 河南科技大学

Inventor： 宋斌 ,  张志勇 ,  张中亚 ,  王业晨 ,  孔功胜 ,  张丽丽 ,  李玉祥 ,  赵长伟 ,  向菲 ,  张婷

IPC: G06T5/77 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094 ,  G06N3/084 ,  G06N5/04

Abstract: 本发明公开了一种基于生成对抗网络反演推理和自编码器的图像补全方法，属于人工智能领域，首先，设计了一个基于自编码器的GAN，通过训练生成器来学习从噪声到低维特征图的映射，将生成的特征图转换为高分辨率图像，从而降低了学习映射关系的难度。其次，采用基于学习的GAN反演来推断最接近的潜在代码，使用训练好的GAN重建完整的图像。最后，通过定量对比可知，当图像存在大面积破损时，本发明具有更高的补全质量。本发明采用上述的一种基于生成对抗网络反演推理和自编码器的图像补全方法，擅长从图像的内部挖掘信息，在已提前训练完成的生成式对抗网络模型的帮助下可生成更多的语义结果，从而产生更逼真、更合理的高分辨率图像结果。