基于掩码的无监督内容迁移
计算机视觉与模式识别
2020-01-14 v2
摘要
我们考虑在两个域之间进行无监督翻译的问题，其中一个域相比另一个包含某些额外信息。所提方法解耦这些域的共同部分与独立部分，并通过生成掩码，将底层网络的注意力集中于所需的增强部分，而无需浪费地重建整个目标。这实现了内容翻译的最先进质量与多样性，如广泛的定量与定性评估所证明。我们的方法还能够添加不同引导图像与域的独立内容，以及移除已有的独立内容。此外，我们的方法支持对每个域独立部分的弱监督语义分割，其中仅提供类别标签。我们的代码公开于 https://github.com/rmokady/mbu-content-tansfer。
引用
@article{arxiv.1906.06558,
title = {Mask Based Unsupervised Content Transfer},
author = {Ron Mokady and Sagie Benaim and Lior Wolf and Amit Bermano},
journal= {arXiv preprint arXiv:1906.06558},
year = {2020}
}