图像到图像生成对抗网络比较与分析：综述
计算机视觉与模式识别
2022-08-30 v2
摘要
生成对抗网络（GANs）近年来引入了执行图像到图像翻译的有效方法。这些模型可以在不改变任何参数的情况下应用并推广到图像到图像翻译的多种领域。在本文中，我们调研并分析了八种图像到图像生成对抗网络：Pix2Pix、CycleGAN、CoGAN、StarGAN、MUNIT、StarGAN2、DA-GAN 和 Self Attention GAN。这些模型均取得了最先进（state-of-the-art）的结果，并引入了构建图像到图像 GANs 的新技术。除模型调研外，我们还调研了它们所训练的 18 个数据集以及用于评估的 9 个指标。最后，我们在共同的指标和数据集上对其中 6 个模型进行了受控实验并展示结果。结果参差不齐，表明在某些数据集、任务和指标上，部分模型优于其他模型。本文最后一节讨论了这些结果并确立了未来研究的领域。随着研究者不断创新新的图像到图像 GANs，深入理解现有方法、数据集和指标十分重要。本文提供了全面的概述与讨论，以帮助构建这一基础。
引用
@article{arxiv.2112.12625,
title = {Comparison and Analysis of Image-to-Image Generative Adversarial Networks: A Survey},
author = {Sagar Saxena and Mohammad Nayeem Teli},
journal= {arXiv preprint arXiv:2112.12625},
year = {2022}
}
备注
36 pages, 22 figures, Preprint; format changed, typos corrected