
摘要
无监督图像到图像转换旨在将源域图像转换为目标域图像,而无需依赖成对的源-目标图像数据。在对抗性框架下,采用两个独立的生成对抗网络(GAN)结合注意力机制,该问题已取得令人瞩目的进展。本文提出一种新方法,通过在两个GAN之间共享一个单一的判别器,从而提升整体性能。我们在目标域与源域具有相似语义的跨域转换任务设置下,对图像转换效果进行了定性和定量评估。实验结果表明,即使不引入注意力机制,所提方法在性能上仍可与基于注意力机制的方法相媲美,并能生成质量相当的图像。
代码仓库
rajiv1990/Unsupervised-Cross-domain-I2I-using-a-Shared-Discriminator
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| image-to-image-translation-on-apples-and | Shared discriminator GAN | Kernel Inception Distance: 4.4 |
| image-to-image-translation-on-zebra-and | Shared discriminator GAN | Kernel Inception Distance: 5.8 |