基于生成对抗网络的无监督图像到图像翻译
计算机视觉与模式识别
2017-01-11 v1 机器学习
摘要
将图像从其原始形式自动转换为某种合成形式（风格、部分内容等），同时保持原始结构或语义，是非常有用的。我们将这一需求定义为“图像到图像翻译”问题，并提出了一种基于深度卷积和条件生成对抗网络 (GAN) 的通用方法来实现它。自 2014 年以来，GAN 在学习从噪声输入映射图像方面取得了显著成功。在这项工作中，我们开发了一种两步（无监督）学习方法，通过使用未标记的图像在不同域之间翻译图像，而无需指定它们之间的任何对应关系，从而避免了获取标记数据的成本。与先前的工作相比，我们展示了模型在通用性方面的能力，通过单一类型的模型即可实现多种翻译变化。这种能力在诸如双向翻译等应用中是非常可取的。
引用
@article{arxiv.1701.02676,
title = {Unsupervised Image-to-Image Translation with Generative Adversarial Networks},
author = {Hao Dong and Paarth Neekhara and Chao Wu and Yike Guo},
journal= {arXiv preprint arXiv:1701.02676},
year = {2017}
}