本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

數據集太小了，無法訓練GAN？試試從單個圖像入手吧。

去年谷歌就提出了SinGAN，是第一個拿GAN在單幅自然圖像學習的非條件生成模型(ICCV 2019最佳論文)。

而最近，來自Adobe和漢堡大學的研究人員，對這個方法做了改進，探討了幾種讓GAN在單幅圖像提高訓練和生成能力的機制。

研究人員將改進的模型稱作ConSinGAN。

那么，先來看下ConSinGAN的效果吧。

上圖左側是用來訓練的單個圖像，右側是利用ConSinGAN訓練后生成的復雜全局結構。

可以看出效果還是比較逼真。

當然，ConSinGAN還可以用來處理許多其他任務，例如圖像超分辨率( image super-resolution)、圖像動畫(image animation)，以及圖像去霧(image dehazing)。

下面兩張就是它在圖像協調(image harmonization)和圖像編輯(image editing)上的效果。

ConSinGAN是怎么做到的呢？

訓練架構優化：并行的SinGAN

首先，我們先來看下SinGAN的訓練過程。

SinGAN在圖像中訓練幾個單獨的生成網絡，下圖便是第一個生成器，也是唯一從隨機噪聲生成圖像的無條件生成器。

△在SinGAN中訓練的第一個生成器

這里的判別器從來不將圖像看做一個整體，通過這種方法，它就可以知道“真實的”圖像補丁(patch)是什么樣子。

這樣，生成器就可以通過生成，在全局來看不同，但僅從補丁來看卻相似的圖像，來達到“欺詐”的目的。

在更高分辨率上工作的生成器，將前一個生成器生成的圖像作為輸入，在此基礎上生成比當前還要高分辨率的圖像。

所有的生成器都是單獨訓練的，這意味著在訓練當前生成器時，所有以前的生成器的權重都保持不變。

這一過程如下圖所示。

而在Adobe與漢堡大學的研究人員發現，在給定的時間內僅能訓練一個生成器，并將圖像(而不是特征圖)從一個生成器傳輸到下一個生成器，這就限制了生成器之間的交互。

因此，他們對生成器進行了端到端的訓練，也就是說，在給定時間內訓練多個生成器，每個生成器將前一個生成器生成的特征(而不是圖像)作為輸入。

這也就是ConSinGAN名字的由來——并行的SinGAN，過程如下圖所示。

然而，采取這樣的措施又會面臨一個問題，也就是過擬合。這意味著最終的模型不會生成任何“新”圖像，而是只生成訓練圖像。

為了防止這種現象發生，研究人員采取了2個措施：

• 在任意給定時間內，只訓練一部分生成器；
• 對不同的生成器采用不同的學習率(learning rate)。

下圖就展示了使用這兩種方法實現的模型。默認情況下，最多同時訓練3個生成器，并對較低的生成器，分別將學習率調至1/10和1/100。

在這個過程中，有一個有趣的現象。

如果對較低的生成器采用較高的學習率，那么生成的圖像質量會高些，但是差異性較弱。

相反，如果對較低的生成器采用較小的學習率，那么生成圖像的差異性會豐富一些。如下圖所示。

代碼已開源

ConSinGAN的代碼已經在GitHub上開源。

老規矩，先介紹一下運行所需要的環境：Python 3.5；Pytorch 1.1.0。

安裝也非常簡單：

pip install -r requirements.txt 

若要使用論文中的默認參數訓練模型：

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

在英偉達GeForce GTX 1080Ti上訓練一個模型大約需要20-25分鐘。

不同的學習率和訓練階段數量，會影響實驗的結果，研究人員推薦二者的默認值分別是0.1和6。

當然也可以修改學習率：

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

修改訓練階段的數量：

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

當然，模型也可以用來處理“圖像協調”和“圖像編輯”等任務，詳情可參閱GitHub。

傳送門

論文地址：
https://arxiv.org/pdf/2003.11512.pdf

GitHub項目地址：
https://github.com/tohinz/ConSinGAN