基于可重构生成对抗网络的无监督视觉属性迁移
计算机视觉与模式识别
2017-08-01 v1
摘要
学习迁移视觉属性需要监督数据集。学习迁移函数需要同一身份下具有不同属性值的对应图像。这在很大程度上限制了它们的应用，因为获取这些图像通常是一项困难的任务。为了解决这个问题，我们提出了一种无监督方法来学习迁移视觉属性。所提出的方法可以在没有任何对应图像的情况下学习迁移函数。通过检查各种无监督属性迁移任务的可视化结果，我们验证了所提出方法的有效性。
引用
@article{arxiv.1707.09798,
title = {Unsupervised Visual Attribute Transfer with Reconfigurable Generative Adversarial Networks},
author = {Taeksoo Kim and Byoungjip Kim and Moonsu Cha and Jiwon Kim},
journal= {arXiv preprint arXiv:1707.09798},
year = {2017}
}