利用生成对抗网络学习发现跨域关系
计算机视觉与模式识别
2017-05-16 v2
摘要
虽然人类可以轻松地在无监督的情况下识别来自不同领域数据之间的关系，但学习自动发现这些关系通常非常具有挑战性，并且需要许多说明这些关系的基本事实配对。为了避免代价高昂的配对，我们处理了在给定未配对数据的情况下发现跨域关系的任务。我们提出了一种基于生成对抗网络的方法，该方法学习发现不同领域之间的关系 (DiscoGAN)。利用所发现的关系，我们提出的网络成功地将风格从一个领域转移到另一个领域，同时保留了诸如方向和人脸身份等关键属性。官方实现的源代码公开于 https://github.com/SKTBrain/DiscoGAN。
引用
@article{arxiv.1703.05192,
title = {Learning to Discover Cross-Domain Relations with Generative Adversarial Networks},
author = {Taeksoo Kim and Moonsu Cha and Hyunsoo Kim and Jung Kwon Lee and Jiwon Kim},
journal= {arXiv preprint arXiv:1703.05192},
year = {2017}
}
备注
Accepted to International Conference on Machine Learning (ICML) 2017