CoCosNet v2：用于图像翻译的全分辨率对应学习
计算机视觉与模式识别
2021-03-31 v2
摘要
我们提出用于跨域图像的全分辨率对应学习，以辅助图像翻译。我们采用分层策略，利用粗层级的对应来引导精细层级。在每个层级上，对应可通过 PatchMatch 高效计算，后者迭代地利用来自邻域的匹配。在每次 PatchMatch 迭代中，采用 ConvGRU 模块来细化当前对应，不仅考虑更大上下文的匹配，也考虑历史估计。所提出的 CoCosNet v2 是一种 GRU 辅助的 PatchMatch 方法，完全可微且高效。当与图像翻译联合训练时，全分辨率语义对应可以无监督方式建立，进而促进基于范例的图像翻译。在多种翻译任务上的实验表明，CoCosNet v2 在生成高分辨率图像方面明显优于最先进的文献。
引用
@article{arxiv.2012.02047,
title = {CoCosNet v2: Full-Resolution Correspondence Learning for Image Translation},
author = {Xingran Zhou and Bo Zhang and Ting Zhang and Pan Zhang and Jianmin Bao and Dong Chen and Zhongfei Zhang and Fang Wen},
journal= {arXiv preprint arXiv:2012.02047},
year = {2021}
}
备注
CVPR 2021 oral presentation