UVCGAN v2：一种用于无配对图像到图像翻译的改进循环一致GAN
计算机视觉与模式识别
2023-09-26 v3
摘要
无配对图像到图像(I2I)翻译技术旨在以完全无监督的方式寻找两个数据域之间的映射。虽然I2I问题的初始解决方案由生成对抗网络(GANs)给出，但扩散模型(DMs)目前在I2I翻译基准上就Frechet inception distance(FID)而言保持着最先进(status)的地位。然而，DMs存在局限性，例如在训练期间不使用来自源域的数据，或仅通过简单的逐像素误差来维持源图像与翻译图像的一致性。本工作改进了近期的UVCGAN模型，并为其配备现代模型架构与训练流程的进展。所得到的修订模型在多种基准上显著优于其他先进的基于GAN和DM的竞争对手。在CelebA的男性到女性翻译中，该模型相比最先进结果实现了超过40%的FID分数提升。本工作还展示了逐像素I2I翻译保真度度量的无效性，并建议对其修订。代码与训练模型可在 https://github.com/LS4GAN/uvcgan2 获取。
引用
@article{arxiv.2303.16280,
title = {UVCGAN v2: An Improved Cycle-Consistent GAN for Unpaired Image-to-Image Translation},
author = {Dmitrii Torbunov and Yi Huang and Huan-Hsin Tseng and Haiwang Yu and Jin Huang and Shinjae Yoo and Meifeng Lin and Brett Viren and Yihui Ren},
journal= {arXiv preprint arXiv:2303.16280},
year = {2023}
}