COCO-GAN：通过条件协调生成局部图像

由于生物限制，人类只能与周围环境的一部分进行互动。因此，我们学会了通过一系列观察来推理空间关系，从而拼凑出周围的环境。受此行为的启发，并考虑到机器也存在计算限制，我们提出了一种基于条件坐标的生成对抗网络（\underline{CO}nditional \underline{CO}ordinate GAN, COCO-GAN），其生成器根据空间坐标作为条件生成图像的部分区域。另一方面，判别器通过全局一致性、局部外观和边缘交叉连续性来学习验证多个组装补丁的真实感。尽管在训练过程中从未生成完整的图像，但我们展示了COCO-GAN在推理阶段可以生成最先进质量的完整图像。此外，我们进一步展示了通过让网络具备坐标意识而实现的各种新颖应用。首先，我们在已学习的坐标流形上进行外推，并生成边界之外的补丁。结合原本生成的完整图像，COCO-GAN可以生成比训练样本更大的图像，我们称之为“超边界生成”。接着，我们在圆柱坐标系中展示全景图的生成，该方法天然保留了水平方向上的循环拓扑结构。从计算角度来看，COCO-GAN内置了分而治之的范式，在训练和推理过程中减少了内存需求，提供了高并行性，并且可以根据需要生成图像的部分区域。