基于向量符号架构的无配对图像翻译
计算机视觉与模式识别
2022-09-07 v1
摘要
图像到图像的翻译在计算机视觉合成数据的生成中发挥了重要作用。然而，若源域与目标域存在较大的语义不匹配，现有技术常遭遇源内容损坏（即语义翻转）的问题。为解决该问题，我们提出了一种利用向量符号架构（VSA）进行图像到图像翻译的新范式；VSA是一种在高维向量（超向量）空间中定义代数运算的理论框架。我们通过学习一个可反转翻译以保證与源内容一致性的超向量映射，在对抗学习中引入基于VSA的约束用于源到目标的翻译。我们从定性与定量两方面表明，我们的方法优于其他最先进（SOTA）技术。
引用
@article{arxiv.2209.02686,
title = {Unpaired Image Translation via Vector Symbolic Architectures},
author = {Justin Theiss and Jay Leverett and Daeil Kim and Aayush Prakash},
journal= {arXiv preprint arXiv:2209.02686},
year = {2022}
}
备注
ECCV 2022