Les méthodes d'optimisation sont très efficaces mais couteuses
pour la génération de texture. Plusieurs travaux tentent de
raccourcir le temps d'inférence en entraînant des réseaux à faire
cette synthèse. En particulier, la méthode PSGAN (
https://arxiv.org/abs/1705.06566)
propose une approche de synthèse se basant un objectif adversarial
(par GANs) et introduit des composantes sinusoïdales dans son
générateur pour permettre la génération de textures périodiques
(cf figure).
Le but principal de ce projet est de réimplémenter cette méthode
en pytorch en s'appuyant sur le code original (
https://github.com/zalandoresearch/psgan),
de l'entraîner, et d'évaluer ses capacités de synthèse. Il s'agit
donc d'un projet assez exigeant qui nécessite une aisance de
programmation en pytorch.
(Figure issue du papier original)