文献阅读·DiscoGAN

正文

请到「今天看啥」查看全文

简介

Learning to discover cross-domain relations with generative adversarial networks.ICML-2017,Cited-742.
github上有pytorch实现的官方开源，自己搜一下，这里贴了地址后就不让发表，懒得申诉了~~

关键字

域转换，GAN，DiscoGAN，无监督，关系学习，深度学习，机器学习

正文

1. 概述

本文有个重要的假设：两个域间的映射是可逆的

任务是无监督域转换，即在没有跨域的样本对可以监督学习的情况下，在源域A和目标域B之间进行图像转换。DiscoGAN和CycleGAN，DualGAN三者思路几乎一致，具体实现和学习目标上略有差异，在 参考资料[2] 中总结的很好了，这里就记录一下DiscoGAN的结构，针对的问题，以及完成的实验。 另外DiscoGAN提到了思路基于一个重要的假设：两个域间的映射是可逆的。

结构（原文Fig2），在图c中颜色相同的GAN共享参数：

针对的问题（原文Fig3），转换过程中1对n的问题，感觉没完全解决：

2. 实验

（1）Toy数据集（原文Fig4），d图的圆点比较好的分散在"x"标记上，说明转换过程中不会产生模式崩溃（圆点聚集在一起）：

（2）相似类别的关系学习（原文Fig5），c图说明转换前后方向高相关，即相同或相反：

（3）CelebA数据集（原文Fig7），在全属性下进行单属性的变换，d图是针对眼镜的变换：

（4）较大差异类别下的关系学习（原文Fig8），学习不同的类别间方向相关性：

（5）边缘和内容间关系（原文Fig9），可以1对n：

参考资料

[1] Kim, Taeksoo, et al. "Learning to discover cross-domain relations with generative adversarial networks." Proceedings of the 34th International Conference on Machine Learning-Volume 70. JMLR. org, 2017.
[2] 干货 | 孪生三兄弟 CycleGAN, DiscoGAN, DualGAN 还有哪些散落天涯的远亲

请到「今天看啥」查看全文