iHQGAN: 一种用于无监督图像到图像翻译的轻量级可逆混合量子-经典生成对抗网络
量子物理
2024-11-26 v2
摘要
利用量子计算的固有特性来增强机器学习已显示出前景，其中量子生成对抗网络（QGAN）在数据生成方面展现了优势。然而，QGAN在复杂的无监督图像到图像（I2I）翻译中的应用仍未得到探索。此外，经典神经网络通常面临参数空间过大的问题，这给基于GAN的I2I方法带来了挑战。受无监督I2I翻译本质上是一个近似可逆问题的启发，我们利用量子计算的可逆性，提出了一种轻量级可逆混合量子-经典无监督I2I翻译模型——iHQGAN。具体而言，iHQGAN采用两个共享参数的、相互近似可逆的量子生成器，有效降低了参数规模。为确保生成图像与源图像之间的内容一致性，每个量子生成器都配有一个辅助经典神经网络（ACNN），在两者之间施加单向循环一致性约束。我们在三个任务的19个子数据集上进行了仿真实验。定性和定量评估表明，iHQGAN能够有效执行无监督I2I翻译，具有出色的泛化能力，并且可以优于使用低复杂度基于CNN的生成器的经典方法。此外，与经典可逆方法一样，iHQGAN通过可逆机制降低了经典不可逆方法的参数规模。本研究首次为无监督I2I翻译提供了一种通用的量子解决方案，将QGAN研究扩展到更复杂的图像生成场景，并提供了一种量子方法来减少基于GAN的无监督I2I翻译方法的参数。
引用
@article{arxiv.2411.13920,
title = {iHQGAN: A Lightweight Invertible Hybrid Quantum-Classical Generative Adversarial Network for Unsupervised Image-to-Image Translation},
author = {Xue Yang and Rigui Zhou and ShiZheng Jia and YaoChong Li and Jicheng Yan and ZhengYu Long and Wenyu Guo and Fuhui Xiong and Wenshan Xu},
journal= {arXiv preprint arXiv:2411.13920},
year = {2024}
}