频域图像翻译：更具真实感且更好保持身份
计算机视觉与模式识别
2021-08-06 v3
摘要
基于 GAN 的方法已经彻底改变了图像到图像的翻译。然而，现有方法缺乏保持源域身份的能力。因此，合成图像常常过度适应参考域，丢失重要的结构特征，并遭受次优的视觉质量。为了解决这些挑战，我们提出了一种新颖的频域图像翻译（FDIT）框架，利用频率信息来增强图像生成过程。我们的核心思想是将图像分解为低频和高频分量，其中高频特征捕获类似于身份的物体结构。我们的训练目标有助于在像素空间和傅里叶谱空间中保持频率信息。我们在五个大规模数据集和包括图像翻译与 GAN 反演在内的多个任务上广泛评估了 FDIT。大量实验和消融研究表明，FDIT 有效保持了源图像的身份，并生成了照片级真实感的图像。FDIT 建立了最先进的性能，与之前的最佳方法相比，平均 FID 分数降低了 5.6%。
引用
@article{arxiv.2011.13611,
title = {Frequency Domain Image Translation: More Photo-realistic, Better Identity-preserving},
author = {Mu Cai and Hong Zhang and Huijuan Huang and Qichuan Geng and Yixuan Li and Gao Huang},
journal= {arXiv preprint arXiv:2011.13611},
year = {2021}
}
备注
15 pages