3 个月前

使用共享判别器进行无监督跨域图像到图像翻译的学习

使用共享判别器进行无监督跨域图像到图像翻译的学习

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。

基准测试

基准方法指标
image-to-image-translation-on-apples-andShared discriminator GAN
Kernel Inception Distance: 4.4
image-to-image-translation-on-zebra-andShared discriminator GAN
Kernel Inception Distance: 5.8

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
使用共享判别器进行无监督跨域图像到图像翻译的学习 | 论文 | HyperAI超神经