用于自然图像中物体转换的 Attention-GAN
计算机视觉与模式识别
2018-03-20 v1
摘要
本文研究自然图像中的物体转换问题。用于物体转换的经典 GAN 中的生成网络通常承担双重职责：检测感兴趣的物体，以及将物体从源域转换到目标域。相比之下，我们将生成网络分解为两个独立的网络，每个网络仅专用于一个特定的子任务。注意力网络预测图像的空间注意力图，而转换网络专注于转换物体。我们鼓励注意力网络生成的注意力图是稀疏的，以便将主要注意力集中在感兴趣的物体上。无论在物体转换之前还是之后，注意力图都应保持不变。此外，在给定图像可用分割标注的情况下，学习注意力网络可以获得更多指导。实验结果证明了在物体转换中研究注意力的必要性，并表明所提出的算法能够学习准确的注意力以提高生成图像的质量。
引用
@article{arxiv.1803.06798,
title = {Attention-GAN for Object Transfiguration in Wild Images},
author = {Xinyuan Chen and Chang Xu and Xiaokang Yang and Dacheng Tao},
journal= {arXiv preprint arXiv:1803.06798},
year = {2018}
}