《表1 部分训练集图案与模型开发图案对比》
通过对目前流行的生成对抗网络模型进行学习与实验分析,选择原始生成对抗网络模型(原始GAN)、深度卷积生成对抗网络(DCGAN)模型与本文模型进行对比。相对于原始GAN模型,DCGAN的最大特点是使用了卷积层,提高了模型训练的稳定性。除收敛时间、生成时间等指标外,选择了Salimans等[16]在2016年提出的IS(inception score)与FID(fréchet inception distance)作为关键指标对模型性能进行评分。IS与FID被广泛运用于衡量生成对抗网络输出图像质量与多样性。IS得分越高,FID值越低,生成的图像多样性与质量越高。其中FID在评判生成图像真实性与变化性上更为接近人类的判断,非常适合用于评价主观性创作图案。表1为部分训练集图案与模型开发图案的对比。对比实验数据结果如表2所示,构建模型相比原始GAN模型与DCGAN模型在传统书法纺织图案的创新设计上表现出更优的性能。
图表编号 | XD00208444600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 陈涵、沈雷、汪鸣明、张希莹、任祥放 |
绘制单位 | 江南大学设计学院、江南大学设计学院、复旦大学计算机科学技术学院、江南大学设计学院、江南大学设计学院 |
更多格式 | 高清、无水印(增值服务) |