基于并行生成对抗网络的外中心到内中心图像生成
计算机视觉与模式识别
2020-02-11 v1 机器学习
图像与视频处理
摘要
跨视角图像生成近来被提出用于从差异显著的某一视角生成另一视角的图像。本文中，我们研究外中心（第三人称）视角到内中心（第一人称）视角的图像生成。这是一项具有挑战性的任务，因为内中心视角有时与外中心视角差异极为明显。因此，跨两个视角转换外观并非易事。为此，我们提出一种新颖的并行生成对抗网络（P-GAN），并配以新颖的跨循环损失，以学习从外中心视角生成内中心图像所需的共享信息。我们还在学习过程中引入一种新颖的上下文特征损失来捕捉图像中的上下文信息。在Exo-Ego数据集上的大量实验表明，我们的模型优于最先进的方法。
引用
@article{arxiv.2002.03219,
title = {Exocentric to Egocentric Image Generation via Parallel Generative Adversarial Network},
author = {Gaowen Liu and Hao Tang and Hugo Latapie and Yan Yan},
journal= {arXiv preprint arXiv:2002.03219},
year = {2020}
}
备注
It has been accepted by ICASSP 2020