-
题名一种高性能的多任务图像生成RL-GAN模型
- 1
-
-
作者
叶学义
石悦
韩卓
李文杰
王浩
-
机构
杭州电子科技大学通信工程学院
杭州电子科技大学浙江省数据存储传输及应用技术研究重点实验室
-
出处
《电光与控制》
北大核心
2025年第5期47-52,73,共7页
-
基金
国家自然科学基金(U19B2016,60802047)。
-
文摘
为了将GAN扩展到多任务模式并构建高性能模型,将强化学习(RL)代理与GAN结合,构建多任务图像生成RL-GAN模型,并通过更换RL代理训练算法、设置更合理的AC网络损失函数及替换网络结构三个方面进行优化,旨在提升模型性能。实验结果显示,在两种多任务图像修复实验中,所提模型的生成结果均满足视觉需求,且与当前多任务模式的主流方法--多GAN叠加相比,RL-GAN模型具有更快的收敛速度和图像处理速度以及更高的输出质量,且引入RL代理后模型的精度与效率也更优,优化后的模型多任务处理能力显著提升。
-
关键词
多任务图像生成
强化学习
生成对抗网络
-
Keywords
multi-tasking image generation
reinforcement learning
generative adversarial network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
