Abstract
在本文中，我们讨论了语义引导场景生成的任务。在全局图像级生成方法中，一个广泛存在的挑战是难以生成小目标和详细的局部纹理。为了解决这一问题，本文考虑在局部上下文中学习场景生成，并相应地设计了一个以语义映射为指导的局部类特定生成网络，它分别构造不同类的子生成器并且学习如何集成它们，能够提供更多的场景细节。为了在局部生成过程中学习更多判别 特定类的特征表示，本文还提出了一种新的分类模块。结合全局图像级和局部类特定生成的优点，设计了一个注意融合模块和双判别器结构的联合生成网络。在两个场景图像生成任务上的大量实验表明，该模型具有良好的生成性能。在这两项任务和具有挑战性的公共基准上，相比最先进的成果取得了很大优势。 源代码和训练好的模型可以在 https://github.com/Ha0Tang/LGGAN获取。
Figure 1： 在Cityscapes(top)上的语义图像的生成结果 以及 在Dayton(bottom)跨视角图像翻译结果， 用LGGAN的不同设置。
Figure 6： 可视化 学到的三种不同类的特征， 比如， 路、植物以及汽车。
