用于非配对图像到图像翻译的一一映射
计算机视觉与模式识别
2020-01-16 v6 人工智能
机器学习
摘要
近年来图像到图像翻译在文献中引起了极大兴趣，从生成对抗网络（GAN）的成功使用，到循环约束的引入，再到向多领域的扩展。然而，现有方法无法保证两个图像域之间的映射是唯一的或一一对应的。在此我们提出一种用于非配对图像到图像翻译的自逆网络学习方法。在 CycleGAN 基础上，我们通过简单地在训练期间交换输入输出以增广训练样本，并对每个映射方向使用分离的循环一致性损失，从而学习一个自逆函数。这种学习的结果是一个被证明为一一映射的映射函数。我们在多个数据集上的大量实验，包括跨模态医学图像合成、物体变形和语义标注，在定性和定量上均一致显示出相对于 CycleGAN 方法的明显改进。特别是我们提出的方法在 cityscapes 基准数据集上达到了标签到照片非配对定向图像翻译的当前最优（state-of-the-art）结果。
引用
@article{arxiv.1909.04110,
title = {One-to-one Mapping for Unpaired Image-to-image Translation},
author = {Zengming Shen and S. Kevin Zhou and Yifan Chen and Bogdan Georgescu and Xuqi Liu and Thomas S. Huang},
journal= {arXiv preprint arXiv:1909.04110},
year = {2020}
}
备注
Accepted by WACV 2020