具有显式域约束解耦的无监督多域多模态图像到图像翻译
计算机视觉与模式识别
2019-11-05 v1
摘要
图像到图像翻译在过去几年中引起了极大关注。其旨在将一个域中的图像翻译为另一域中给定的参考图像。由于其有效性和高效性，许多应用可被表述为图像到图像翻译问题。然而，图像到图像翻译仍存在三个主要挑战：1）不同任务缺乏大量对齐的训练对；2）单一输入图像可能产生多个输出的歧义性；3）缺乏在单一网络内同时对来自不同域的多个数据集进行训练的能力。我们在实验中也发现，内容与风格的隐式解耦可能导致非预期结果。本文中，我们提出了一个统一框架，用于利用非配对训练数据学习生成多样化输出，并允许通过单一网络同时对来自不同域的多个数据集进行训练。此外，我们还探究如何更好地提取域监督信息，以学习更好的解耦表示并实现更好的图像翻译。实验表明，所提方法优于或与最先进方法相当。
引用
@article{arxiv.1911.00622,
title = {Unsupervised Multi-Domain Multimodal Image-to-Image Translation with Explicit Domain-Constrained Disentanglement},
author = {Weihao Xia and Yujiu Yang and Jing-Hao Xue},
journal= {arXiv preprint arXiv:1911.00622},
year = {2019}
}
备注
20 pages