隐式样本对用于提升非配对图像到图像翻译
计算机视觉与模式识别
2020-12-04 v4 机器学习
摘要
在图像到图像翻译中，目标是学习从一个图像域到另一个图像域的映射。在监督方法中，该映射从配对样本学习。然而，收集大规模图像对通常极其昂贵或不可能。因此，近年来更多关注从非配对集合中学习映射的技术。在我们的工作中，我们表明将隐式样本对注入非配对集合可增强两域间的映射，改善其分布兼容性，并使无监督技术在多项度量上性能提升超过14%。隐式样本对的能力进一步通过伪对（即仅近似真实对的配对样本）的使用得以展现。我们展示了近似隐式样本在图像到图像翻译问题上的效果，其中此类伪对可在一个方向上合成，而在另一方向上不可。我们进一步表明，在非配对设定中，伪对作为隐式样本对比直接在配对设定中显式使用它们显著更有效。
引用
@article{arxiv.1904.06913,
title = {Implicit Pairs for Boosting Unpaired Image-to-Image Translation},
author = {Yiftach Ginger and Dov Danon and Hadar Averbuch-Elor and Daniel Cohen-Or},
journal= {arXiv preprint arXiv:1904.06913},
year = {2020}
}