复杂场景下的少样本无监督图像到图像翻译
计算机视觉与模式识别
2022-04-08 v1 机器学习
摘要
无监督图像到图像翻译方法在过去几年中受到大量关注。多种技术从不同角度涌现以应对初始挑战。一些方法侧重于从若干目标风格图像中学习尽可能多的信息用于翻译，而另一些则利用目标检测以在内容丰富的场景上产生更逼真的结果。在本工作中，我们评估了一种最初为单目标翻译开发的方法在更多样且内容丰富的图像上的表现。我们的工作基于 FUNIT[1] 框架，并使用更具多样性的数据集对其进行训练。这有助于理解此类方法在初始应用框架之外的表现。我们提出了一种基于目标检测扩展数据集的方法。此外，我们提出了一种改进 FUNIT 框架的方式，以利用其他方法中所见的目标检测能力。
关键词
引用
@article{arxiv.2106.03770,
title = {Few-Shot Unsupervised Image-to-Image Translation on complex scenes},
author = {Luca Barras and Samuel Chassot and Daniel Filipe Nunes Silva},
journal= {arXiv preprint arXiv:2106.03770},
year = {2022}
}