打破循环——你只需要同事
计算机视觉与模式识别
2020-06-09 v2 机器学习
摘要
本文提出一种在未配对域间执行图像到图像翻译的新方法。我们的方法不依赖循环约束,而是利用各种 GAN 之间的协作。这产生了一种多模态方法,对于给定的图像可生成多个可选且多样的图像。我们的模型解决了经典 GAN 的一些缺点:(1) 能够移除大物体,如眼镜。(2) 由于不需要支持循环约束,生成的图像上不会留下输入的任何无关痕迹。(3) 它能够翻译需要大幅形状修改的域。我们的结果表明,在常用数据集上的若干具有挑战性的应用中,无论在定性还是定量上均优于最先进方法生成的结果。
引用
@article{arxiv.1911.10538,
title = {Breaking the cycle -- Colleagues are all you need},
author = {Ori Nizan and Ayellet Tal},
journal= {arXiv preprint arXiv:1911.10538},
year = {2020}
}