CerfGAN：一种紧凑、高效、鲁棒且快速的无监督多域图像到图像翻译模型
计算机视觉与模式识别
2019-01-17 v2
摘要
本文中，我们旨在以无监督方式用统一模型解决多域图像到图像翻译问题。该领域最成功的工作当属 StarGAN，其在人脸属性调制等任务中表现良好。然而，当遇到具有高度多样化域偏移的通用翻译时，StarGAN 无法匹配多个翻译映射。另一方面，StarGAN 采用编码器-解码器-判别器（EDD）架构，该模型训练耗时且不稳定。为此，我们提出一种紧凑、高效、鲁棒且快速的 GAN 模型，称为 CerfGAN，以解决上述问题。原则上，CerfGAN 包含一个新颖组件，即多类判别器（MCD），其赋予模型极其强大的匹配多个翻译映射的能力。为稳定训练过程，MCD 还在 CerfGAN 中扮演编码器角色，从而节省大量计算与内存开销。我们进行了大量实验以验证所提方法的有效性。在定量上，CerfGAN 被证明可处理一系列图像到图像翻译任务，包括风格迁移、季节迁移、人脸幻构等，其中输入图像采自不同域。与若干近期提出方法的比较展示了所提方法的优越性与新颖性。
引用
@article{arxiv.1805.10871,
title = {CerfGAN: A Compact, Effective, Robust, and Fast Model for Unsupervised Multi-Domain Image-to-Image Translation},
author = {Xiao Liu and Shengchuan Zhang and Hong Liu and Xin Liu and Cheng Deng and Rongrong Ji},
journal= {arXiv preprint arXiv:1805.10871},
year = {2019}
}
备注
16 pages