计算机科学>计算机视觉与模式识别
标题: 基于潜在空间锚定的域可缩放非成对图像翻译
摘要: 未配对图像到图像转换(UNIT)旨在在两个视觉域之间映射图像,而无需配对训练数据。 然而,给定在特定领域训练的UNIT模型,当前方法很难合并新领域,因为它们通常需要在现有领域和新领域训练完整模型。 为了解决这个问题,我们提出了一种新的域可扩展的UNIT方法,称为潜在空间锚定,它可以有效地扩展到新的视觉域,并且不需要微调现有域的编码器和解码器。 我们的方法通过学习轻量级编码器和回归器模型来重建单域图像,将不同域的图像锚定到冻结GANs的相同潜在空间。 在推理阶段,不同域的学习编码器和解码器可以任意组合,在任意两个域之间转换图像,而无需进行微调。 在不同数据集上的实验表明,与最新的方法相比,该方法在标准UNIT任务和域可缩放UNIT任务上都取得了优异的性能。