用于混合域图像翻译的对称参数化动态推理
计算机视觉与模式识别
2019-10-29 v3
摘要
近期图像到图像翻译的进展已产生一些通过单一网络生成多域图像的方法。然而，在缺乏目标域数据集的情况下生成该域图像仍存在局限。我们提出一种方法，将“多域”的概念从数据扩展到损失区域，并学习各域的组合特征，以动态推断混合域中图像的翻译。首先，我们引入对称参数（Sym-parameter）及其学习方法，用于各种混合损失，同时使其与输入条件同步。接着，我们提出对称参数化生成网络（SGN），经验证其可学习多种数据与损失的混合特征，并在无真实标签的情况下将图像翻译至任意混合域，例如 30% 梵高、20% 莫奈和 40% 雪景。
引用
@article{arxiv.1811.12362,
title = {Sym-parameterized Dynamic Inference for Mixed-Domain Image Translation},
author = {Simyung Chang and SeongUk Park and John Yang and Nojun Kwak},
journal= {arXiv preprint arXiv:1811.12362},
year = {2019}
}
备注
16pages, This paper is accepted at ICCV 2019