XGAN：用于多对多映射的无监督图像到图像翻译
计算机视觉与模式识别
2018-07-11 v6
摘要
风格迁移通常指将特定风格图像的颜色与纹理信息应用到给定内容图像，同时保留后者结构的任务。此处我们处理更一般的语义风格迁移问题：给定两个未配对的图像集合，我们旨在学习每个集合的语料级风格之间的映射，同时保留跨两个域共享的语义内容。我们引入 XGAN（“Cross-GAN”），一种双重对抗自编码器，它以无监督方式捕获公共域语义内容的共享表示，同时联合学习两个方向的域到域图像翻译。我们利用域适应文献中的思想并定义语义一致性损失，鼓励模型在所学嵌入空间中保留语义。我们报告了人脸到卡通翻译任务上令人鼓舞的定性结果。为此目的收集的卡通数据集 CartoonSet 作为语义风格迁移的新基准公开于 google.github.io/cartoonset/。
引用
@article{arxiv.1711.05139,
title = {XGAN: Unsupervised Image-to-Image Translation for Many-to-Many Mappings},
author = {Amélie Royer and Konstantinos Bousmalis and Stephan Gouws and Fred Bertsch and Inbar Mosseri and Forrester Cole and Kevin Murphy},
journal= {arXiv preprint arXiv:1711.05139},
year = {2018}
}
备注
Domain Adaptation for Visual Understanding at ICML'18