GANILLA：用于图像到插画翻译的生成对抗网络
计算机视觉与模式识别
2020-02-17 v2
摘要
本文中，我们将儿童书籍中的插画作为无配对图像到图像翻译的新领域进行探索。我们表明，尽管当前最先进的图像到图像翻译模型成功迁移了风格或内容之一，但无法同时迁移二者。我们提出一种新的生成器网络来解决此问题，并展示所得网络在风格与内容间取得更好平衡。目前尚无针对无配对图像到图像翻译的明确定义或公认评估指标。迄今为止，图像翻译模型的成功基于在有限数量图像上的主观、定性视觉比较。为解决该问题，我们提出一种图像到插画模型的定量评估新框架，其中使用独立分类器同时考虑内容与风格。在这一新评估框架下，我们所提模型在插画数据集上优于当前最先进模型。我们的代码与预训练模型可在 https://github.com/giddyyupp/ganilla 获取。
引用
@article{arxiv.2002.05638,
title = {GANILLA: Generative Adversarial Networks for Image to Illustration Translation},
author = {Samet Hicsonmez and Nermin Samet and Emre Akbas and Pinar Duygulu},
journal= {arXiv preprint arXiv:2002.05638},
year = {2020}
}
备注
to be published in Image and Vision Computing