TransGaGa：感知几何的无监督图像到图像翻译
计算机视觉与模式识别
2019-04-23 v1
摘要
无监督图像到图像翻译旨在学习两个视觉域之间的映射。然而，学习跨越较大几何变化的翻译总是以失败告终。在本工作中，我们提出了一种新颖的解耦再翻译框架来处理复杂对象图像到图像翻译任务。我们不直接在图像空间上学习映射，而是将图像空间解耦为外观与几何潜空间的乘积空间。具体而言，我们首先引入几何先验损失和条件 VAE 损失以鼓励网络学习独立但互补的表示。翻译随后分别在外观与几何空间上构建。大量实验证明了我们的方法相对于其他最优方法的优越性能，尤其是在具有挑战性的近刚性与非刚性对象翻译任务中。此外，通过取不同样本作为外观参考，我们的方法还支持多模态翻译。项目主页：https://wywu.github.io/projects/TGaGa/TGaGa.html
引用
@article{arxiv.1904.09571,
title = {TransGaGa: Geometry-Aware Unsupervised Image-to-Image Translation},
author = {Wayne Wu and Kaidi Cao and Cheng Li and Chen Qian and Chen Change Loy},
journal= {arXiv preprint arXiv:1904.09571},
year = {2019}
}
备注
Accepted to CVPR 2019. Project page: https://wywu.github.io/projects/TGaGa/TGaGa.html