这里是，雷锋字幕组编译的 Two Minute Papers专栏，每周带大家用碎片时间阅览前沿技术，了解AI领域的最新研究成果。
原标题 High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
翻译 | 刘宁 校对 | 凡江 整理 | 凡江
本期所介绍的内容是——从语义图上获得高分辨率图片。语义图是一幅彩色图片，图上的不同色块代表不同种类物体，如行人、汽车、交通标志、建筑物等。
只需要在输入的语义图上修改相应标签，就能把混凝土路面变成土路，把树替换成建筑等等。
通常，我们采用光线模拟程序或光栅化来产生语义图。但是AI研究者提出：为什么我们要使用光栅，而不是编写一个可以自己合成图像的学习算法？
下面的生成对抗网络将一张语义图作为输入，并由此生成了一张高分辨率的逼真的图像。之前的技术多数只能生成粗糙的低分辨率的图片，看起来也不真实。而这个研究却生成了2k乘1k分辨率的图像，已经很接近全高清的照片。
当我们想手动编辑一张真实的照片里的内容时，传统的方法需要具备Photoshop等专业工具的技能。即使是很简单的编辑也要耗费大量精力，因为人眼是非常难以欺骗的。而语义图方法的优点就是，不需要太多专业技能就可以很容易实现编辑。例如，我们可以通过将供选的物体填充到语义标注图中来控制生成的图片。
这项技术不仅仅适用于室外交通图片，它还可以对人脸细节进行编辑。例如，可以用此方法简单地添加胡子。把这项技术和之前的pix2pix和CRN技术做了比较，我们可以看出新技术生成的图片的质量，图像在分辨率上也有明显提高。
巧妙的一点在于，语义图不仅仅用于标识，它还生成了一幅边界图，使算法输出分割得更好的图片。
生成的边界图像和语义标签一样非常有用。另一个技巧是创建多个鉴别器网络，并在不同精度的图像上使用它们。
论文&代码 原址 https://tcwang0509.github.io/pix2pixHD/
更多文章，关注雷锋网，添加雷锋字幕组微信号（leiphonefansub）为好友
备注「我要加入」，To be a AI Volunteer ！雷锋网雷锋网
相关文章：
从电影到游戏，你也能用GAN画高清3D地形模型 | 2分钟论文
正在生成分享图...
我在思考中