HyperDomainNet：面向生成对抗网络的通用域适应
计算机视觉与模式识别
2023-03-31 v4
摘要
GANs 的域适应框架近年来取得重大进展，成为在训练数据极少情况下训练现代 GANs 的主要成功途径。在本工作中，我们通过提出一种极紧凑的参数空间用于微调生成器，显著改进了该框架。我们引入一种新颖的域调制技术，使得仅优化 6 千维向量而非 StyleGAN2 的 3000 万权重即可适应目标域。我们将此参数化应用于最先进的域适应方法，并展示其具有与完整参数空间几乎相同的表达能力。此外，我们提出一种新的正则化损失，显著增强了微调生成器的多样性。受优化参数空间尺寸缩减的启发，我们考虑 GANs 的多域适应问题，即同一模型可根据输入查询适应多个域的情形。我们提出 HyperDomainNet，这是一个给定目标域预测我们参数化的超网络。我们经实验证实，它可一次性成功学习多个域，甚至可泛化至未见域。源代码见 https://github.com/MACderRu/HyperDomainNet
引用
@article{arxiv.2210.08884,
title = {HyperDomainNet: Universal Domain Adaptation for Generative Adversarial Networks},
author = {Aibek Alanov and Vadim Titov and Dmitry Vetrov},
journal= {arXiv preprint arXiv:2210.08884},
year = {2023}
}
备注
Accepted to NeurIPS 2022