第二个有趣的应用是通过后处理丢弃一部分图片，让剩下的图片有更好的生成质量，我们验证了其比传统的truncation trick能更好的兼顾质量和多样性。
第三个应用是结合OHEM（Online Hard Example Mining），在GAN的训练过程中，通过给低质量生成图片更高的惩罚权重，我们可以让GAN生成出更高质量的图片。
最后总结一下，GIQA是一个新颖而且对研究和产业都很有意义的一个研究方向，我们提出了几种GIQA的方法，验证了其有效性与其具有的应用价值。相信通过本文的抛砖引玉，能有更多的人研究GIQA这个领域并对其他任务提供更多的参考价值。
作者介绍
古纾旸 ｜ 中国科学技术大学 在读博士古纾旸，就读于中国科学技术大学，参加了微软－中科大的联合培养项目，现在微软亚洲研究院视觉计算组实习。主要研究方向为生成模型、图像编辑、图像质量评估等，曾在CVPR、ECCV等会议上发表论文数篇。
最后，别忘了
将门「ECCV 2020鲜声夺人云际会」火热进行中～
关于我“门”
将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。
将门创新服务专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。
将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。
将门创投基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在近四年的时间里，将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、宽拓科技、杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。
