摘要

我们提出了一种基于条件生成对抗网络（conditional GANs）的新方法，用于从语义标签图合成高分辨率、逼真的图像。尽管条件GANs已广泛应用于各类任务，但其生成结果通常局限于低分辨率，且与真实图像仍有较大差距。在本工作中，我们通过引入一种新型对抗性损失函数，结合全新的多尺度生成器与判别器架构，成功实现了2048×1024分辨率的视觉上极具吸引力的图像生成。此外，我们进一步扩展了该框架，支持交互式视觉编辑，新增两项功能：其一，引入了物体实例分割信息，从而支持删除/添加物体以及更改物体类别等操作；其二，提出一种在相同输入下生成多样化结果的方法，使用户能够交互式地编辑物体外观。人类主观评估实验表明，我们的方法显著优于现有技术，在深度图像合成与编辑的质量和分辨率方面均实现了重要进展。