用于基于范例图像到图像翻译的多重 GAN 反演

Taewon Kang

用于基于范例图像到图像翻译的多重 GAN 反演

计算机视觉与模式识别 2021-08-20 v2

作者: Taewon Kang

摘要

现有的基于范例的图像到图像翻译的最先进技术存在若干关键问题。现有的与基于范例的图像到图像翻译相关的方法不可能对未对齐的图像元组输入（源，目标）进行翻译。此外，我们可以确认现有方法对未见图像表现出有限的泛化能力。为了克服这一限制，我们提出用于基于范例图像到图像翻译的多重 GAN 反演（Multiple GAN Inversion）。我们新颖的多重 GAN 反演通过使用自决策算法利用 Fréchet Inception Distance（FID）选择层数，避免了人工干预，该算法在多个假设中选择更合理的图像重建结果而无需任何训练或监督。实验结果实际上已显示出所提方法相比现有最先进的基于范例图像到图像翻译方法的优势。

关键词

GAN 反演图像到图像翻译基于范例 Fréchet Inception Distance 未对齐图像泛化

引用

@article{arxiv.2103.14471,
  title  = {Multiple GAN Inversion for Exemplar-based Image-to-Image Translation},
  author = {Taewon Kang},
  journal= {arXiv preprint arXiv:2103.14471},
  year   = {2021}
}

备注

Accepted to ICCV 2021 Workshop, 3rd International Workshop on Real-World Computer Vision From Inputs With Limited Quality (RLQ). Check out the project page for more information: http://itsc.kr/2021/06/24/mgi2021/, 9 pages, 10 figures, v2: corrected typos, extended version of arXiv:2011.09330

用于基于范例图像到图像翻译的多重 GAN 反演

摘要

关键词

引用

备注

相关论文