StarGAN v2：面向多域的多样化图像合成
计算机视觉与模式识别
2020-04-28 v2 机器学习
摘要
一个好的图像到图像翻译模型应当学习不同视觉域之间的映射，同时满足以下特性：1）生成图像的多样性；2）对多域的可扩展性。现有方法仅解决其中一方面，要么多样性有限，要么为所有域使用多个模型。我们提出StarGAN v2，一个同时解决两方面问题并在基线上取得显著改进结果的单一框架。在CelebA-HQ和一个新的动物面部数据集（AFHQ）上的实验验证了我们在视觉质量、多样性和可扩展性上的优势。为更好地评估图像到图像翻译模型，我们发布了AFHQ，即具有大域间与域内差异的高质量动物面部数据。代码、预训练模型和数据集可在 https://github.com/clovaai/stargan-v2 获取。
引用
@article{arxiv.1912.01865,
title = {StarGAN v2: Diverse Image Synthesis for Multiple Domains},
author = {Yunjey Choi and Youngjung Uh and Jaejun Yoo and Jung-Woo Ha},
journal= {arXiv preprint arXiv:1912.01865},
year = {2020}
}
备注
Accepted to CVPR 2020