GAIT：梯度调整的无监督图像到图像翻译
计算机视觉与模式识别
2020-09-03 v1 图像与视频处理
摘要
随着对抗学习的发展，图像到图像翻译（IIT）近期取得诸多进展。在多数近期工作中，利用对抗损失来匹配翻译后图像集与目标图像集的分布。然而，若两域具有不同边际分布（例如均匀区域），这可能产生伪影。本工作中，我们提出一种无监督 IIT 方法，在翻译后保留均匀区域。采用了梯度调整损失，即目标图像的 Sobel 响应与源图像调整后 Sobel 响应之间的 L2 范数。所提方法在 jellyfish-to-Haeckel 数据集上验证，该数据集为展示上述问题而制备，包含具有不同背景分布的图像。我们证明，与基线方法相比，我们的方法在定性与定量上均获得性能提升，显示了方法的有效性。
引用
@article{arxiv.2009.00878,
title = {GAIT: Gradient Adjusted Unsupervised Image-to-Image Translation},
author = {Ibrahim Batuhan Akkaya and Ugur Halici},
journal= {arXiv preprint arXiv:2009.00878},
year = {2020}
}
备注
Accepted by ICIP2020