品品科技|2020 | 基于对抗一致性,非匹配图像转换效果真假难辨,ECCV( 三 )


品品科技|2020 | 基于对抗一致性,非匹配图像转换效果真假难辨,ECCV
文章图片
除此以外 , 该方法的网络参数较小 , 与大部分已有方法相当 。 ACL-GAN的参数数量甚至不到表现相近方法(CouncilGAN、U-GAT-IT)的一半 。 具有较小的训练和存储开销 。
4
结语
不可逆的图像转换任务具有广泛的应用场景 , 也是计算机视觉中重要的任务之一 。 本文从数据分布的角度约束对抗生成网络 , 在多种不同场景上达到state-of-the-art , 体现其有效性 , 为图像转换提供了新思路 。
参考文献
[1]Pix2Pix:Image-to-ImageTranslationwithConditionalAdversarialNetworks.PhillipIsola,Jun-YanZhu,TinghuiZhou,AlexeiA.Efros.CVPR2017.
[2]GAN:GenerativeAdversarialNets.IanGoodfellow,JeanPouget-Abadie,MehdiMirza,BingXu,DavidWarde-Farley,SherjilOzair,AaronCourville,YoshuaBengio.NIPS2014.
[3]CycleGAN:UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworks.Jun-YanZhu,TaesungPark,PhillipIsola,AlexeiA.Efros.ICCV2017.
品品科技|2020 | 基于对抗一致性,非匹配图像转换效果真假难辨,ECCV
文章图片


推荐阅读