基于自监督语义桥接的无配对图像到图像翻译
计算机视觉与模式识别
2026-02-19 v1
摘要
对抗扩散和扩散-反转方法已推动无配对图像到图像翻译，但每种方法都面临关键限制。对抗方法需要在训练时使用目标域对抗损失，这会限制对未见数据的泛化，而扩散-反转方法常因不完美地倒入噪声-潜表示而产生低保真度翻译。在本工作中，我们提出了自监督语义桥接（Self-Supervised Semantic Bridge, SSB），一个 versatile 框架，将外部语义先验整合到扩散桥接模型中，以实现无需跨域监督的空间忠实翻译。我们的关键思想是利用自监督视觉编码器来学习对外观变化不变但捕获几何结构的表示，形成条件扩散桥接的共享潜空间。广泛的实验表明，SSB 在医学图像合成中在 both in-domain 和 out-of-domain 设置下均优于强大的先前方法，并且可轻易扩展到高质量的文本引导编辑。
引用
@article{arxiv.2602.16664,
title = {Unpaired Image-to-Image Translation via a Self-Supervised Semantic Bridge},
author = {Jiaming Liu and Felix Petersen and Yunhe Gao and Yabin Zhang and Hyojin Kim and Akshay S. Chaudhari and Yu Sun and Stefano Ermon and Sergios Gatidis},
journal= {arXiv preprint arXiv:2602.16664},
year = {2026}
}
备注
36 pages