Masked GAN

github代码:https://github.com/tgeorgy/mgan

文章的创新点:

1. 该网络结构的输入为x，输出包含分割模板mask以及中间图像y。通过将输入x与中间图像y根据mask进行融合，最终生成目标图像。这种方式确保了生成图像的背景部分与原始输入x保持一致，而前景则为模型生成的内容。

2. 在训练过程中采用端到端的方式，并在cyclegan原有的损失函数基础上，进一步引入了对生成图像输出结果的额外约束条件。

模型结构如下,

生成网络首先生成分割模板mask和中间图像y，随后将中间图像y与mask进行融合，最终输出生成的图像。生成网络的具体代码如下，

    class Generator(nn.Module):
    def __init__(self, input_nc=3, output_nc=4, ngf=64, norm_layer=nn.BatchNorm2d, use_dropout=False, n_blocks=6):
        assert(n_blocks >= 0)
        super(Ge