基于自适应卷积归一化的无配对图像翻译
计算机视觉与模式识别
2019-12-02 v1 机器学习
图像与视频处理
摘要
对图像的内容与风格信息进行解耦，在近期图像翻译的成功中发挥了重要作用。在此设定下，如何将给定风格注入包含自身内容的输入图像是一个重要问题，但现有方法遵循相对简单的途径，尤其在涉及显著风格变化时仍有改进空间。为此，我们提出一种基于自适应卷积（AdaCoN）的先进归一化技术，以将风格信息恰当地施加到输入图像的内容上。具体而言，在以通道方式对内容表示进行局部标准化后，AdaCoN 执行自适应卷积，其中卷积滤波器权重使用编码后的风格表示动态估计。AdaCoN 的灵活性可处理涉及显著风格变化的复杂图像翻译任务。我们的定性与定量实验证明了所提方法相对于各种将风格注入内容的现有方法的优越性。
引用
@article{arxiv.1911.13271,
title = {Unpaired Image Translation via Adaptive Convolution-based Normalization},
author = {Wonwoong Cho and Kangyeol Kim and Eungyeup Kim and Hyunwoo J. Kim and Jaegul Choo},
journal= {arXiv preprint arXiv:1911.13271},
year = {2019}
}