面向零样本无监督图像到图像翻译
计算机视觉与模式识别
2020-07-29 v1
摘要
近期的研究在无监督图像到图像翻译方面取得了显著成功。然而，若无法获取足够的目标类别图像，从源类别到目标类别的映射学习往往会出现模式崩溃，这限制了现有方法的应用。在本工作中，我们提出一种零样本无监督图像到图像翻译框架，通过关联类别及其属性等侧信息来解决这一局限。为使翻译器泛化至先前未见的类别，我们引入两种策略来利用语义属性所张成的空间。具体而言，我们提出保留语义关系到视觉空间，并利用未见类别的属性向量扩展属性空间，从而鼓励翻译器探索未见类别的模式。在不同数据集上的定量与定性结果证明了我们所提方法的有效性。此外，我们展示了我们的框架可应用于诸多任务，如零样本分类与服装设计。
引用
@article{arxiv.2007.14050,
title = {Toward Zero-Shot Unsupervised Image-to-Image Translation},
author = {Yuanqi Chen and Xiaoming Yu and Shan Liu and Ge Li},
journal= {arXiv preprint arXiv:2007.14050},
year = {2020}
}