用于高分辨率图像到图像翻译的 GAN 双相学习
计算机视觉与模式识别
2019-04-16 v1
摘要
尽管近期生成模型的进展显著提升了图像到图像翻译的性能，现有方法在应用于高分辨率情形时仍饱受训练稳定性严重退化与样本质量下降的困扰。本文提出一种面向 GAN 的新训练框架，即双相学习，以在 分辨率下实现多视觉域的图像到图像翻译。我们的核心思想是设计一个随训练阶段变化的自适应目标函数。在双相学习框架内，我们提出一种新颖的继承对抗损失，以实现模型容量的增强并稳定训练阶段过渡。此外，我们通过互信息估计与最大化引入了感知级一致性损失。为验证所提方法的优越性，我们将其应用于广泛的面部相关合成任务，并在多个大规模数据集上开展实验。通过全面的定量分析，我们证明该方法显著优于现有方法。
引用
@article{arxiv.1904.06624,
title = {Biphasic Learning of GANs for High-Resolution Image-to-Image Translation},
author = {Jie Cao and Huaibo Huang and Yi Li and Jingtuo Liu and Ran He and Zhenan Sun},
journal= {arXiv preprint arXiv:1904.06624},
year = {2019}
}