基于正则化条件 GAN 的无配对多域图像生成
计算机视觉与模式识别
2018-05-08 v1
摘要
本文研究多域图像生成问题，其目标是生成来自不同域的对应图像对。随着生成模型的最近发展，图像生成已取得巨大进展，并应用于各种计算机视觉任务。然而，由于难以学习不同域图像之间的对应关系，尤其是在未给定配对样本信息的情况下，多域图像生成可能无法达到预期性能。为解决此问题，我们提出正则化条件 GAN（RegCGAN），其能够在缺乏配对训练数据的情况下学习生成对应图像。RegCGAN 基于条件 GAN，我们引入两个正则化项以引导模型学习不同域的对应语义。我们在多个未给定配对训练数据的任务上评估所提模型，包括边缘与照片的生成、具有不同属性的人脸生成等。实验结果表明，我们的模型可成功为所有这些任务生成对应图像，同时优于基线方法。我们还介绍了一种将 RegCGAN 应用于无监督域适应的方法。
引用
@article{arxiv.1805.02456,
title = {Unpaired Multi-Domain Image Generation via Regularized Conditional GANs},
author = {Xudong Mao and Qing Li},
journal= {arXiv preprint arXiv:1805.02456},
year = {2018}
}