蒸馏轻量型生成对抗网络用于图像翻译
计算机视觉与模式识别
2020-03-10 v1 机器学习
图像与视频处理
机器学习
摘要
尽管生成对抗网络(GANs)已广泛应用于各种图像到图像的翻译任务，但由于其巨大的计算和存储开销，很难应用于移动设备。传统的网络压缩方法聚焦于视觉识别任务，却从未处理生成任务。受知识蒸馏启发，我们通过让参数更少的学生生成器继承原始重型教师生成器的低级和高级信息来进行训练。为提升学生生成器的能力，我们引入一个学生判别器来度量真实图像、学生生成器生成的图像与教师生成器生成的图像之间的距离。由此建立起对抗学习过程以优化学生生成器和学生判别器。在基准数据集上进行的定性及定量实验分析表明，所提方法能够学习到性能强劲的轻量型生成模型。
关键词
引用
@article{arxiv.2003.03519,
title = {Distilling portable Generative Adversarial Networks for Image Translation},
author = {Hanting Chen and Yunhe Wang and Han Shu and Changyuan Wen and Chunjing Xu and Boxin Shi and Chao Xu and Chang Xu},
journal= {arXiv preprint arXiv:2003.03519},
year = {2020}
}