基于受限信息流的解耦无监督图像翻译
计算机视觉与模式识别
2021-11-29 v1
摘要
无监督图像到图像翻译方法旨在将一域图像映射为另一域中合理的样本,同时保留两域间共享的结构。在多对多设定下,会使用来自目标域的额外引导样本以确定生成图像的域特定属性。在缺乏属性标注时,方法须在训练期间从数据中推断哪些因素为各域所特有。许多前沿方法将期望的共享-特有划分硬编码进其架构,严重限制了问题范围。本文提出一种不依赖此类归纳架构偏置的新方法,通过翻译保真损失与对域特定嵌入容量的惩罚来约束网络中的信息流,从而从数据推断哪些属性是域特定的。我们表明所提方法在两个合成数据集与一个自然数据集(涵盖多种域特定与共享属性)上均取得持续的高操控准确率。
引用
@article{arxiv.2111.13279,
title = {Disentangled Unsupervised Image Translation via Restricted Information Flow},
author = {Ben Usman and Dina Bashkirova and Kate Saenko},
journal= {arXiv preprint arXiv:2111.13279},
year = {2021}
}