相似生成对抗网络：具有相似属性的双域数据生成
计算机视觉与模式识别
2018-07-04 v1
摘要
我们提出了一种新算法，即相似生成对抗网络（Resembled Generative Adversarial Networks, GAN），可同时生成两个相互相似的不同域数据。尽管近期GAN算法在学习跨域关系上取得巨大成功，但其应用受限于需要输入图像的域迁移。首个处理双域数据生成的尝试由CoGAN提出。然而，其方案对于不同程度的域相似性 inherently 脆弱。与CoGAN不同，我们的相似GAN隐式地诱导两个生成器匹配来自两域的特征协方差，从而共享语义属性。因此，我们有效处理了各种双域间广泛的结构与语义相似性。基于在多数据集上的实验分析，我们验证了所提算法对于生成具有相似属性的双域是有效的。
引用
@article{arxiv.1807.00947,
title = {Resembled Generative Adversarial Networks: Two Domains with Similar Attributes},
author = {Duhyeon Bang and Hyunjung Shim},
journal= {arXiv preprint arXiv:1807.00947},
year = {2018}
}
备注
Accepted at BMVC 2018