GANHopper：用于无监督图像到图像翻译的多跳GAN
计算机视觉与模式识别
2020-07-30 v5
摘要
我们提出GANHopper，一种无监督图像到图像翻译网络，它通过多个跳变在两个域之间逐步变换图像。我们不直接执行翻译，而是通过要求网络生成介于两域图像之间的、类似加权混合体的中间图像来引导翻译。我们的网络仅使用来自两域的未配对图像训练，无任何中间图像。所有跳变均沿每个方向使用单一生成器产生。除标准的循环一致性和对抗损失外，我们引入一种新的混合判别器，其被训练为将生成器产生的中间图像分类为基于预定跳数的加权混合体。我们还加入平滑项以约束每跳的幅度，进一步正则化翻译。与先前方法相比，GANHopper在处理涉及域特定图像特征和几何变化的图像翻译时表现出色，同时保留如总体色彩方案等非域特定特征。
引用
@article{arxiv.2002.10102,
title = {GANHopper: Multi-Hop GAN for Unsupervised Image-to-Image Translation},
author = {Wallace Lira and Johannes Merz and Daniel Ritchie and Daniel Cohen-Or and Hao Zhang},
journal= {arXiv preprint arXiv:2002.10102},
year = {2020}
}
备注
To be presented at ECCV 2020. Code is available at https://github.com/wallacemplira/ganhopper