基于 ProGAN 的金属零件工业视觉检测合成图像生成

研究用渐进式生成对抗网络（ProGAN）为金属零件工业视觉检测生成合成图像，以缓解缺陷训练数据稀缺、多样性低的问题。该 ProGAN 流程采用 Wasserstein 损失与梯度惩罚，在 MVTec AD（metal nut）和 MPDD（tube）两个公开数据集上评估关键超参数，训练保持稳定并生成逼真图像。这些图像可扩充训练数据、提升鲁棒性并降低采集稀有缺陷的成本。