SingleGAN：基于单一生成器网络与多重生成对抗学习的图像到图像翻译
计算机视觉与模式识别
2020-04-20 v2
摘要
图像翻译是计算机视觉中一个新兴领域，其目标是学习输入图像与输出图像之间的映射。然而，近期大多数方法需要多个生成器来建模不同的域映射，在一些多域图像翻译任务上效率低下且效果不佳。本文提出一种新方法 SingleGAN，利用单一生成器执行多域图像到图像翻译。我们引入域编码以显式控制不同的生成任务，并集成多个优化目标以确保翻译。在多个非配对数据集上的实验结果表明，我们的模型在两域间翻译具有优越性能。此外，我们探索了 SingleGAN 针对不同任务的变体，包括一对多域翻译、多对多域翻译以及具有多模态的一对一域翻译。扩展实验展示了我们模型的通用性与可扩展性。
引用
@article{arxiv.1810.04991,
title = {SingleGAN: Image-to-Image Translation by a Single-Generator Network using Multiple Generative Adversarial Learning},
author = {Xiaoming Yu and Xing Cai and Zhenqiang Ying and Thomas Li and Ge Li},
journal= {arXiv preprint arXiv:1810.04991},
year = {2020}
}
备注
Accepted in ACCV 2018. Code is available at https://github.com/Xiaoming-Yu/SingleGAN