基于分割引导与对抗网络的图像到图像翻译
计算机视觉与模式识别
2019-01-24 v2
摘要
近年来，图像到图像翻译受到越来越多的关注，其旨在将一个域中的图像映射到另一个特定域。现有方法主要通过深度生成模型解决该任务，并侧重于探索不同域之间的关系。然而，这些方法忽略了利用更高层次和实例特定的信息来引导训练过程，导致生成大量低质量且不真实的图像。现有方法在翻译过程中也缺乏空间可控性。为应对这些挑战，我们提出了一种新颖的分割引导生成对抗网络（SGGAN），其利用语义分割进一步提升生成性能并提供空间映射。具体而言，设计了一个分割器网络将语义信息施加于生成图像上。在多域人脸图像翻译任务上的实验结果实证地展示了我们的空间修改能力以及在图像质量上优于几种最先进方法的优势。
引用
@article{arxiv.1901.01569,
title = {Segmentation Guided Image-to-Image Translation with Adversarial Networks},
author = {Songyao Jiang and Zhiqiang Tao and Yun Fu},
journal= {arXiv preprint arXiv:1901.01569},
year = {2019}
}
备注
Accepted for publication in 2019 14th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2019)