可组合的非配对图像到图像翻译

近期在非配对图像到图像翻译方面已有显著的工作。然而，除了少数例外，它们大多局限于单对分布之间的翻译。在本研究中，我们将其中一项工作扩展为可扩展的多分布翻译机制。我们的翻译模型不仅可以从一个分布转换到另一个分布，还可以堆叠以创建复合翻译函数。我们表明，这种复合特性使得生成具有训练集中未见过特征的图像成为可能。我们还提出了一种解耦训练机制来分别训练多个分布，并表明这比孤立的联合训练生成更好的样本。此外，我们进行了定性和定量分析以评估样本的合理性。代码可在 https://github.com/lgraesser/im2im2im 获取。