论文 | Image Processing with multi-code GAN priors

](https://github.com/genforce/mganprior)


## 文章结构概览

* 学术论文 | 基于多编码器GAN先验的图像处理方法
  * * 研究背景
    * 技术实现
    * 实践建议


## Motivation

GAN在图像生成方面取得了显著进展，然而将**已训练完成的GAN模型作为先验信息** 应用于实际图像处理任务仍面临诸多难题。具体而言，GAN模型中的生成器通常以潜在空间为输入**映射至** 图像空间，无法接受真实图像作为输入，从而使得训练完成的模型难以执行**后续的图像处理操作** 。因此，目前的研究尝试通过反向传播机制或学习其他编码器的方式，将目标图像转换回潜在空间，但效果并不理想。  
本研究提出了一种名为`mGANprior`的新方法，该方法通过在生成器的某一层中利用$N$个潜在编码(latent code)$Z_n$生成$N$个特征图(feature map)，再结合自适应通道重要性(adaptive channel importance)对这些特征图进行整合，最终获得输入图像。


## 方法设计与实施