具有多分支判别器的生成对抗网络用于跨物种图像到图像翻译
计算机视觉与模式识别
2019-01-31 v1 机器学习
摘要
当前方法在图像到图像翻译任务上已取得很大进展，这得益于图像合成方法尤其是生成对抗网络(GANs)的成功。然而，现有方法局限于处理两个物种之间的翻译，同时保持语义层面的内容匹配。更具挑战性的任务将是多于两个物种之间的翻译。为探索这一新领域，我们提出了一种简单而有效的多分支判别器结构，用于增强任意生成对抗架构(GAN)，称为GAN-MBD。它利用提升策略将一个普通判别器拆分为若干个参数更少的较小判别器，从而能够高效且有效地增强GANs的生成与合成能力。综合实验表明，所提出的多分支判别器在跨物种图像到图像翻译任务上可大幅改善流行GANs的性能，同时减少计算参数量。代码与部分数据集作为补充材料附上以供参考。
引用
@article{arxiv.1901.10895,
title = {Generative Adversarial Network with Multi-Branch Discriminator for Cross-Species Image-to-Image Translation},
author = {Ziqiang Zheng and Zhibin Yu and Haiyong Zheng and Yang Wu and Bing Zheng and Ping Lin},
journal= {arXiv preprint arXiv:1901.10895},
year = {2019}
}
备注
10 pages, 16 figures