用于无监督多域图像到图像翻译的跨域生成对抗网络
计算机视觉与模式识别
2020-08-28 v1 图像与视频处理
摘要
生成对抗网络（GANs）的最先进技术已在使用成对图像数据从对等域 X 到域 Y 的图像到图像翻译中展现出显著成功。然而，在大多数应用中，获取大量成对数据是非平凡且昂贵的过程。当需要在 n 个域之间翻译图像时，若每两个域之间都进行训练，训练复杂度将呈二次增长。此外，每次仅用两个域的数据训练无法受益于其他域的数据，这阻碍了更有用特征的提取并制约了该研究领域的发展。本工作中，我们提出一种用于跨多域无监督图像到图像翻译的通用框架，其可将图像从域 X 翻译到任意域，而无需在所涉及的两个域之间直接训练。该框架的一个副产品是计算时间和计算资源的减少，因为相比最先进工作中成对训练域的方式，它所需时间更少。我们提出的框架由一对编码器及一对 GAN 组成，后者学习跨域高层特征以从中生成多样且逼真的样本。我们的框架在许多图像到图像任务上相比最先进技术展现出具竞争力的结果。
引用
@article{arxiv.2008.11882,
title = {Crossing-Domain Generative Adversarial Networks for Unsupervised Multi-Domain Image-to-Image Translation},
author = {Xuewen Yang and Dongliang Xie and Xin Wang},
journal= {arXiv preprint arXiv:2008.11882},
year = {2020}
}
备注
accepted in proceedings of ACM Multimedia 2018