我们的WaveGAN为发生器添加了低频和高频跳跃连接，缓解了发生器对高频信号进行编码的困难，并提供了更可感知的信息，从而获得了良好的生成质量我们设计了两种技术来聚合高频信息，以将频率信号重构回原始特征，即WaveGANM和WaveGAN-B，这两种技术保留了精细的细节和统计财产。在测试阶段，模型从Cu获取图像作为输入，以合成新图像。先前的方法试图1）转换类内信息[1]，2）通过将GANs与元学习[