用于图像到图像翻译的随机行动者-执行者-评论者
计算机视觉与模式识别
2021-12-15 v1
摘要
训练无模型的深度强化学习模型来解决图像到图像翻译是困难的，因为这涉及高维连续状态与动作空间。在本文中，我们从近期为具有挑战性的连续控制问题设计的最大熵强化学习框架的成功中汲取灵感，以同时开发涵盖图像表示、生成与控制的高维连续空间上的随机策略。该方法的核心是随机行动者-执行者-评论者（Stochastic Actor-Executor-Critic, SAEC），这是一种离策略的行动者-评论者模型，带有一个额外的执行者来生成真实图像。具体而言，行动者通过随机潜变量动作专注于高层表示与控制策略，并显式地指导执行者生成低层动作以操控状态。在多个图像到图像翻译任务上的实验证明了所提出的 SAEC 在面对高维连续空间问题时的有效性与鲁棒性。
引用
@article{arxiv.2112.07403,
title = {Stochastic Actor-Executor-Critic for Image-to-Image Translation},
author = {Ziwei Luo and Jing Hu and Xin Wang and Siwei Lyu and Bin Kong and Youbing Yin and Qi Song and Xi Wu},
journal= {arXiv preprint arXiv:2112.07403},
year = {2021}
}