ReMix：面向数据受限的图像到图像翻译
计算机视觉与模式识别
2021-04-01 v1
摘要
基于生成对抗网络（GANs）的图像到图像（I2I）翻译方法在训练数据有限时通常会出现过拟合。在本工作中，我们提出一种数据增强方法（ReMix）来解决该问题。我们在特征层面对训练样本进行插值，并基于样本间的感知关系提出一种新颖的内容损失。生成器学习翻译中间样本，而非记忆训练集，从而迫使判别器泛化。所提方法有效降低了生成的不确定性并给出保持内容的结果。ReMix 方法只需少量修改即可轻松集成到现有 GAN 模型中。在众多任务上的实验结果表明，配备 ReMix 方法的 GAN 模型取得了显著改进。
引用
@article{arxiv.2103.16835,
title = {ReMix: Towards Image-to-Image Translation with Limited Data},
author = {Jie Cao and Luanxuan Hou and Ming-Hsuan Yang and Ran He and Zhenan Sun},
journal= {arXiv preprint arXiv:2103.16835},
year = {2021}
}
备注
CVPR 2021