【ICCV2019最佳论文官方代码】Official pytorch implementation of the paper: "SinGAN: Learning a Generative Model from a Single Natural Image"(从单一自然图像中学习的无条件生成模型) 附PDF论文

论文摘要： 我们介绍了SinGAN，一个可以从单一自然图像中学习的无条件生成模型。我们的模型经过训练，能够捕捉图像内部斑块的分布，然后能够生成与图像具有相同视觉内容的高质量、多样化的样本。SinGAN包含一个完全卷积的GANs金字塔，每个GANs负责学习图像中不同尺度的patch分布。这允许生成具有显著可变性的任意大小和高宽比的新样本，同时保持训练图像的全局结构和精细纹理。与之前的单图像GAN方案相比，我们的方法不仅限于纹理图像，而且没有条件(即从噪声中生成样本)。用户研究证实，生成的样本通常被混淆为真实图像。我们说明了SinGAN在图像处理任务中的广泛应用。

代码链接：https://github.com/tamarott/SinGAN