StarGAN：用于多域图像到图像翻译的统一生成对抗网络
计算机视觉与模式识别
2018-09-24 v3
摘要
近期的研究在双域图像到图像翻译中取得了显著成功。然而，现有方法在处理两个以上的域时可扩展性和鲁棒性有限，因为每对图像域都需要独立构建不同的模型。为克服这一局限，我们提出 StarGAN，一种新颖且可扩展的方法，仅使用单一模型即可执行多域图像到图像翻译。StarGAN 这种统一的模型架构允许在单一网络内同时训练具有不同域的多个数据集。这使得 StarGAN 相较于现有模型具有更优的翻译图像质量，并具备将输入图像灵活翻译至任意目标域的新能力。我们在人脸属性迁移和面部表情合成任务上实证展示了我们方法的有效性。
引用
@article{arxiv.1711.09020,
title = {StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation},
author = {Yunjey Choi and Minje Choi and Munyoung Kim and Jung-Woo Ha and Sunghun Kim and Jaegul Choo},
journal= {arXiv preprint arXiv:1711.09020},
year = {2018}
}
备注
Accepted to CVPR 2018 (Oral)