首篇基于Transformer的生成对抗网络综述2023：全面调研

CVer计算机视觉

一句话总结

第一篇！18页综述，共计162篇参考文献！本文首次对计算机视觉应用中基于Transformer的生成对抗网络(GAN)的发展进行了全面调研，包含图像生成、图像转换、补全、图像恢复、重建、增强、视频生成和补全等方向，并进行了算法性能比较。

点击关注 @CVer计算机视觉，第一时间看到最优质、最前沿的CV、AI工作~

点击进入—> Transformer和GAN微信技术交流群

首篇基于Transformer的生成对抗网络综述2023

Transformer-based Generative Adversarial Networks in Computer Vision: A Comprehensive Survey

论文下载链接： https:// arxiv.org/abs/2302.0864 1

单位：IIIT

主要贡献

生成对抗网络（GAN）在合成给定数据集中的图像方面非常成功。GAN人工生成的图像非常逼真。GAN在一些计算机视觉应用中显示出潜在的可用性，包括图像生成、图像到图像转换、视频合成等。传统上，生成器网络是生成样本的GAN的主干，而鉴别器网络用于促进生成器网络的训练。鉴别器网络通常是卷积神经网络（CNN）。然而，生成器网络通常是用于图像生成的Up CNN或用于图像到图像转换的编码器-解码器网络。基于卷积的网络利用了层中的局部关系，这需要深度网络来提取抽象特征。因此，CNN难以利用特征空间中的全局关系。然而，最近开发的Transformer网络能够利用每一层的全局关系。