1. 毕业设计（论文）主要内容：
从单幅自然图像学习的非条件生成模型--SinGAN，能够捕捉图像的内部块分布信息，生成具有相同视觉内容的高质量、多变的样本。SinGAN包含一个金字塔结构的全卷积GAN，每个GAN负责学习图像不同尺度的分布信息。因此可以生成具有任意尺寸和纵横比的新样本，这些样本具有明显的变化，同时又可以保持训练图像的整体结构和精细的纹理特征。大量实验证明SinGAN生成的样本具有较好的真实性，而且可以应用于多种图像处理任务中。
本文要求理解sinGAN的原理，并把SinGan运用到图像修复（image inpainting）这一任务中，实现图像语义修复。
2. 毕业设计（论文）主要任务及要求
1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。
2、完成不少于5000字的英文文献翻译工作。
3、收集相关的原始数据，并进行数据的预处理工作。
3. 毕业设计（论文）完成任务的计划与安排
1-3周：查阅文献，完成开题报告4-6周：总体设计，完成论文综述7-10周：设计算法，功能模块设计11-13周：编码和测试14-15周：写论文，提交初稿，给老师检查，修改定稿，答辩。
4. 主要参考文献
1.Shaham, Tamar Rott, Tali Dekel, and Tomer Michaeli. "SinGAN: Learning a Generative Model from a Single Natural Image." arXiv preprint arXiv:1905.01164 (2019).2.Gulrajani, Ishaan, et al. "Improved training of wasserstein gans." Advances in neural information processing systems. 2017.3.Mescheder, Lars, Andreas Geiger, and Sebastian Nowozin. "Which training methods for GANs do actually converge?." arXiv preprint arXiv:1801.04406 (2018).4.Zhu, Jun-Yan, et al. "Unpaired image-to-image translation using cycle-consistent adversarial networks." Proceedings of the IEEE international conference on computer vision. 2017.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
