用于内存高效图像到图像翻译的可逆GAN
计算机视觉与模式识别
2019-02-08 v1
摘要
Pix2pix和CycleGAN损失已极大提升了图像到图像翻译任务中结果的定性与定量视觉质量。我们通过探索非常适合这些损失的近似可逆架构来扩展该框架。这些架构在设计上近似可逆,因此在训练开始前即部分满足循环一致性。此外,由于可逆架构在深度上具有恒定内存复杂度,这些模型可被构建得任意深。我们能够在近恒定内存预算下,在Cityscapes和Maps数据集上展示更优的定量输出。
引用
@article{arxiv.1902.02729,
title = {Reversible GANs for Memory-efficient Image-to-Image Translation},
author = {Tycho F. A. van der Ouderaa and Daniel E. Worrall},
journal= {arXiv preprint arXiv:1902.02729},
year = {2019}
}