SDA-GAN：基于谱域注意力引导生成对抗网络的无监督图像翻译
计算机视觉与模式识别
2021-10-07 v1
摘要
本工作介绍了一种新颖的 GAN 架构，用于人脸风格变换任务上的无监督图像翻译。除对图像内容的空间注意力外，还将基于谱注意力的机制嵌入设计中。我们证明神经网络有潜力以可观的计算代价学习如傅里叶变换这样的复杂变换。该模型与仅使用空间注意力的基线模型对比进行训练和测试。我们方法的性能提升显著，尤其当源域和目标域包含不同复杂度时（FID 从 142.84 降至 49.18）。在翻译过程中，由于 FFT 和谱注意力的实现，引入了频谱填充效应。本文还研究了另一风格迁移任务和真实世界物体翻译。
引用
@article{arxiv.2110.02873,
title = {SDA-GAN: Unsupervised Image Translation Using Spectral Domain Attention-Guided Generative Adversarial Network},
author = {Qizhou Wang and Maksim Makarenko},
journal= {arXiv preprint arXiv:2110.02873},
year = {2021}
}
备注
7 pages, 3 figures