Midjourney 的图像质量评估技术对于生成高质量图像至关重要。
一、判别器（Discriminator）
1.1 判别器的作用
判别器是生成对抗网络（GAN）中的核心组件之一，用于区分生成的图像和真实图像。在 Midjourney 中，判别器的主要作用是：
- 质量评估：评估生成图像的质量，区分高质量和低质量图像。
- 对抗训练：通过与生成器（Generator）进行对抗训练，指导生成器生成更逼真、更符合人类审美的图像。
1.2 判别器的架构
Midjourney 采用类似于 StyleGAN 或 BigGAN 的判别器架构，以下是一个典型的判别器架构：
-
输入层（Input Layer）：
- 输入图像的尺寸通常为 256x256 或 512x512 像素。
-
卷积层（Convolutional Layers）：
- 使用多个卷积层提取图像的特征。
- 每个卷积层通常包含卷积操作、激活函数（例如 ReLU）和归一化（例如 Batch Normalization）。
-
下采样层（Downsampling Layers）：
- 通过池化操作（例如 Max Pooling）或步幅卷积（Strided Convolution）进行下采样，降低特征图的分辨率。
-
全连接层（Fully Connected Layers）：
- 将提取的特征映射到低维空间。
- 最后一层全连接层输出一个标量值，表示图像是真实图像的概率。
-
输出层（Output Layer）：
- 使用 Sigmoid 激活函数将输出值映射到 [0,1] 区间，表示图像是真实图像的概率。
1.3 判别器的训练过程
判别器的训练过程可以概括为以下几个步骤：
1.数据准备：
- 真实图像：从真实数据集中采样。
- 生成图像：从生成器中采样。
2.前向传播（Forward Propagation）：
- 将真实图像和生成图像输入判别器，分别得到判别器对它们的预测值。
3.损失计算（Loss Calculation）：
- 对抗损失（Adversarial Loss）：
- 使用二元交叉熵损失（Binary Cross-Entropy Loss）作为对抗损失。
- 对于真实图像&#