跨域级联深度特征翻译
计算机视觉与模式识别
2019-06-05 v1
摘要
近年来，受 DNN 和对抗训练策略出现的推动，我们在无配对图像到图像翻译方法上取得了巨大进展。然而，大多数现有方法聚焦于风格与外观的迁移，而非形状翻译。后一任务由于其复杂非局部特性而具有挑战性，需要额外的监督。我们通过深入预训练网络的深层来缓解此问题，其中深度特征包含更多语义，并应用从这些深度特征出发及在其间进行翻译。具体而言，我们利用大规模语义监督预分类网络 VGG。我们的翻译以级联的、从深到浅的方式沿深度特征层次进行：我们首先翻译编码图像更高层语义内容的最深层，继而以深层为条件翻译较浅层。我们展示了我们的方法能够翻译具有显著不同形状的不同域。我们从定性和定量上评估了我们的方法，并将其与最先进的图像到图像翻译方法进行比较。我们的代码和训练模型将公开提供。
引用
@article{arxiv.1906.01526,
title = {Cross-Domain Cascaded Deep Feature Translation},
author = {Oren Katzir and Dani Lischinski and Daniel Cohen-Or},
journal= {arXiv preprint arXiv:1906.01526},
year = {2019}
}