标签噪声鲁棒的多域图像到图像翻译

多域图像到图像翻译是一类旨在学习多个域之间映射的问题。该问题在可扩展性方面具有挑战性，因为它需要学习大量映射，其数量随域的数量成比例增加。然而，生成对抗网络（GANs）近来已成为解决该问题的有力框架。特别是，标签条件扩展（如 StarGAN）因其仅用单一统一模型即可解决该问题而成为有前景的方案。不过，其局限在于依赖大规模干净标签数据的可用性，而在真实场景中这类数据往往难以收集或不切实际。为克服此局限，我们提出了一种称为标签噪声鲁棒图像到图像翻译模型（RMIT）的新模型，即使仅有噪声标签数据可用，也能学习干净的标签条件生成器。具体而言，我们提出了一种称为虚拟循环一致性损失的新型损失，能够独立于噪声标签数据对循环重建进行正则化，并引入了提升实际性能的高级技巧。我们的实验结果表明，RMIT 在包括合成与真实世界噪声的多种设置中均有助于获得标签噪声鲁棒性。