结合混合注意力的双判别生成对抗网络

来源：计算机工程与应用杂志2024年第7期北京时间：

作者：王磊, 杨军, 张驰宇, 代在燕

单位：四川师范大学 计算机科学学院，成都 610101

摘要：图像生成任务中，如何提升生成图片的质量是一个关键问题。当前，生成对抗网络采用的多层卷积结构存在局部性归纳偏置的问题，无法准确聚焦关键信息，导致图像特征丢失严重，生成图像效果较差。为此，提出了结合混合注意力的双判别生成对抗网络（DDMA-GAN）。设计了一种混合注意力机制，利用通道注意力和空间注意力模块，从两个维度充分捕获图像特征信息；为解决单判别器存在判别误差的问题，提出一种双判别器结构，使用融合系数将判定结果融合，使回传参数更具客观性，并嵌入数据增强模块，进一步提升模型鲁棒性；采用铰链损失作为模型损失函数，最大化真假样本间的距离，明确决策边界。模型在公开数据集LSUN和CelebA上进行验证，实验结果表明，DDMA-GAN生成的图像更加真实，纹理细节更加丰富，其FID和MMD值均显著降低且优于其他常见模型，证明了模型的有效性。

关键词：图像生成,卷积神经网络,混合注意力,双判别器,数据增强,生成对抗网络