In2I：基于生成对抗网络的无监督多图像到图像翻译
计算机视觉与模式识别
2017-11-28 v1
摘要
在无监督图像到图像翻译中，目标是利用一组未配对的训练图像学习输入图像与输出图像之间的映射。本文将该无监督图像到图像翻译问题推广到多输入设定。给定来自多个模态的一组配对图像，学习一个变换将输入翻译到指定域。为此，我们引入了一个基于生成对抗网络（GAN）的框架，该框架具有多模态生成器结构和一个新的损失项——隐空间一致性损失（latent consistency loss）。通过大量实验，我们表明利用多个输入通常能提升翻译图像的视觉质量。此外，我们表明所提方法优于当前最先进的无监督图像到图像翻译方法。
引用
@article{arxiv.1711.09334,
title = {In2I : Unsupervised Multi-Image-to-Image Translation Using Generative Adversarial Networks},
author = {Pramuditha Perera and Mahdi Abavisani and Vishal M. Patel},
journal= {arXiv preprint arXiv:1711.09334},
year = {2017}
}