摘要

我们提出了一种耦合生成对抗网络（Coupled Generative Adversarial Network, CoGAN），用于学习多域图像的联合分布。与现有方法不同，这些方法在训练集中需要不同域中的对应图像对，而CoGAN可以在没有任何对应图像对的情况下学习联合分布。它仅通过从边缘分布中抽取的样本就能学习到联合分布。这是通过施加权重共享约束来实现的，该约束限制了网络容量，并倾向于选择联合分布解决方案而非边缘分布的乘积解决方案。我们将CoGAN应用于多个联合分布学习任务，包括颜色图像和深度图像的联合分布学习以及具有不同属性的人脸图像的联合分布学习。对于每个任务，CoGAN都能成功地在没有对应图像对的情况下学习到联合分布。此外，我们还展示了其在领域适应和图像转换中的应用。