MISO：基于随机风格表示互信息损失的多模态图像到图像翻译
计算机视觉与模式识别
2019-02-12 v1
摘要
非配对多模态图像到图像翻译是将源域中给定图像翻译为目标域中多样图像的任务，克服了单对单映射的局限。现有多模态翻译模型主要基于解耦表示与图像重建损失。我们提出两种改进多模态翻译质量的方法。首先，我们使用来自源域的内容表示并以来自目标域的风格表示为条件。其次，不同于典型的图像重建损失，我们设计了MILO（互信息损失，Mutual Information LOss），一种基于信息论、随机定义的新型损失函数。该损失函数直接体现了将潜变量解释为随机变量的含义。我们表明，所提模型MISO（基于随机风格表示的互信息模型，Mutual Information with StOchastic Style Representation）通过在多个真实世界数据集上的广泛实验取得了最先进的性能。
引用
@article{arxiv.1902.03938,
title = {MISO: Mutual Information Loss with Stochastic Style Representations for Multimodal Image-to-Image Translation},
author = {Sanghyeon Na and Seungjoo Yoo and Jaegul Choo},
journal= {arXiv preprint arXiv:1902.03938},
year = {2019}
}