模块化生成对抗网络
计算机视觉与模式识别
2018-04-11 v1
摘要
现有的多域图像到图像翻译（或生成）方法试图直接将输入图像（或随机向量）映射到输出域之一中的图像。然而，大多数现有方法的可扩展性和鲁棒性有限，因为它们需要为所涉及的每一对域构建独立的模型。这导致两个显著缺陷：（1）需要训练指数数量的成对模型；（2）在训练特定成对映射时无法利用来自其他域的数据。受近期关于模块网络工作的启发，本文提出 ModularGAN 用于多域图像生成和图像到图像翻译。ModularGAN 由若干可复用且可组合的模块组成，这些模块执行不同功能（例如编码、解码、变换）。这些模块可同时训练，利用所有域的数据，然后在测试时根据特定的图像翻译任务进行组合，以构建特定的 GAN 网络。这使得 ModularGAN 在生成（或翻译到）任意期望域的图像方面具有卓越的灵活性。实验结果表明，我们的模型不仅呈现出引人注目的感知结果，而且在多域人脸属性迁移上优于最先进（state-of-the-art）方法。
引用
@article{arxiv.1804.03343,
title = {Modular Generative Adversarial Networks},
author = {Bo Zhao and Bo Chang and Zequn Jie and Leonid Sigal},
journal= {arXiv preprint arXiv:1804.03343},
year = {2018}
}