用于无配对图像翻译的协同进化压缩方法
计算机视觉与模式识别
2019-07-26 v1 机器学习
图像与视频处理
摘要
生成对抗网络(GANs)已成功用于大量计算机视觉任务,尤其是图像到图像的翻译。然而,这些网络中的生成器架构复杂、参数数量大且计算复杂度高。现有方法主要为分类任务中深度神经网络的压缩与加速而设计,由于其目标与训练过程不同,无法直接应用于图像翻译的 GANs。为此,我们开发了一种新颖的协同进化方法来同时减少其内存占用与 FLOPs。实践中,两个图像域的生成器被编码为两个种群,并协同优化以迭代地探究最重要的卷积滤波器。每个个体的适应度使用参数数量、判别器感知正则化以及循环一致性来计算。在基准数据集上开展的广泛实验证明了所提方法在获得紧凑且有效生成器方面的有效性。
引用
@article{arxiv.1907.10804,
title = {Co-Evolutionary Compression for Unpaired Image Translation},
author = {Han Shu and Yunhe Wang and Xu Jia and Kai Han and Hanting Chen and Chunjing Xu and Qi Tian and Chang Xu},
journal= {arXiv preprint arXiv:1907.10804},
year = {2019}
}
备注
Accepted by ICCV 2019