AlignGAN：利用条件生成对抗网络学习对齐跨域图像
计算机视觉与模式识别
2017-07-06 v1
摘要
近年来，若干基于生成对抗网络（GAN）的方法被提出用于跨域图像对齐或学习跨域图像的联合分布任务。其中之一是使用条件 GAN 进行对齐。然而，先前采用条件 GAN 的尝试表现不如其他方法。本工作中，我们提出一种提升基于条件 GAN 的方法能力的途径。我们在众多任务上评估了所提方法，实验结果表明其能够在缺乏配对样本的情况下成功对齐跨域图像。此外，我们还提出了另一种以多信息为条件的模型，如域信息和标签信息。以域信息和标签信息为条件，我们能够将标签从源域传播到目标域。提出了一种两步交替训练算法来学习该模型。
引用
@article{arxiv.1707.01400,
title = {AlignGAN: Learning to Align Cross-Domain Images with Conditional Generative Adversarial Networks},
author = {Xudong Mao and Qing Li and Haoran Xie},
journal= {arXiv preprint arXiv:1707.01400},
year = {2017}
}