基于生成对抗网络的配对与非配对图像到图像翻译
计算机视觉与模式识别
2025-05-23 v1 图像与视频处理
摘要
图像到图像翻译是计算机视觉领域的一个活跃的研究方向，使能够在保持其特征属性的同时，生成具有不同风格、纹理或分辨率的新图像。最近的架构利用生成对抗网络（GAN）将输入图像从一个领域转换到另一个领域。本文聚焦于跨多个图像领域的配对和非配对图像翻译。对于配对任务，我们使用条件GAN模型；对于非配对任务，我们采用循环一致性损失进行训练。我们实验了不同的损失函数类型、多个Patch-GAN规模以及模型架构。新出现的定量指标——精确率、召回率和FID得分——用于分析。此外，还对不同实验结果的定性研究进行了探讨。
引用
@article{arxiv.2505.16310,
title = {Paired and Unpaired Image to Image Translation using Generative Adversarial Networks},
author = {Gaurav Kumar and Soham Satyadharma and Harpreet Singh},
journal= {arXiv preprint arXiv:2505.16310},
year = {2025}
}
备注
6 pages