CVPRApr, 2020

基于范例的图像翻译的跨域对应学习

PDF
TL;DR该研究提出了一种基于样本的图像翻译框架，可以从输入的一个不同域的图像（如语义分割掩模、边缘地图或姿态关键点）中综合出真实感风格与样本图像中对应语义对象的一致的合成图像。通过联合学习交叉领域对应关系和图像翻译模型，两个任务相互促进从而可以在弱监督下学习。该方法在几项图像翻译任务中优于最先进的方法，图像风格传神并具有语义一致性。
exemplar-based image translationsemantic segmentation maskimage synthesiscross-domain correspondenceweak supervision
发现论文，激发创造
  • 边际对比对应法引导图像生成

    该研究使用边缘对比学习网络（MCL-Net）进行基于样例的图像翻译，设计创新的边缘对比损失的辅助信息自相关图（SCM）来指导建立密集的对应关系。实验结果表明，该方法在多样化的图像翻译任务中优于现有技术。

    Apr, 2022

  • 编辑：示例域感知的图像到图像翻译

    通过多领域多样本的花式创作，将图像转化为具有不同风格的目标图像，同时保留原图的内容特征，并实现了在一个统一的简洁模型上灵活有效地处理多个域和任意样本，相比其他现有技术在实验中显示出显著进步。

    Nov, 2019

  • 基于示例的图像翻译的遮蔽和自适应变换器

    提出了一个用于样例图像翻译的新框架，称为 MATEBIT，其基于交叉域语义对应和全局风格编码，使用掩模和自适应变换器提高了匹配的准确性，并制定了新的对比风格学习方法来获得高质量图像生成。

    Mar, 2023

  • 具有语义一致性的示例引导无监督图像到图像翻译

    本篇文章介绍了 Exemplar Guided & Semantically Consistent Image-to-image Translation (EGSC-IT) 网络，并用 feature masks 实现了语义上的一致性。实验结果验证，EGSC-IT 能够保持语义上的一致性，从而有效地将源图像转换为目标域中的多样性实例。

    May, 2018

  • CFFT-GAN: 基于 Transformer 的跨域特征融合范例图像翻译

    本文提出了一种更通用的学习方法，通过将两个领域特征作为一个整体来学习 inter-domain correspondence 和 intra-domain potential information interactions，其中，我们提出了一种跨域特征融合转换器 (Cross-domain Feature Fusion Transformer, CFFT) 来学习 inter- and intra-domain feature fusion，基于该方法的 CFFT-GAN 在示例图像翻译方面表现良好，能够通过级联 CFFT 模块解耦和多域特征融合。我们在几个图像翻译任务上进行了丰富的定量和定性实验，并证明了与最先进方法相比，我们的方法具有卓越的优势。消融研究表明了我们所提出的 CFFT 的重要性。应用实验结果反映了我们的方法的潜力。

    Feb, 2023

  • 基于检索引导的无监督多领域图像到图像翻译

    本文提出使用图像检索系统辅助图像翻译，从而生成更高质量的图片，实验结果表明该方案是有效的。

    Aug, 2020

  • 一次性无监督跨域翻译

    本篇论文讨论了单张图片从 A 领域转换到 B 领域的问题，提出了一种使用变分自编码器的训练方式，即先训练 B 领域自编码器模型，再根据待转换图片 x 创建 A 领域自编码器模型进行训练，本研究表明，该方法在只有一张样本图片 x 的情况下也能达到与现有领域转换方法相同的表现。

    Jun, 2018

  • SMIT: 随机多标签图像翻译

    本文提出了一种联合框架，通过条件生成无数独特的图像，实现多样性和多映射图像到图像的翻译，使用称为领域嵌入的嵌入表示来表示领域和风格，并在连续的样式插值，连续标签插值和细粒度映射等不同场景下展示其有效性。

    Dec, 2018

  • 无监督多领域多模态图像到图像转换与显式领域约束解耦

    本文提出了一个使用无成对训练数据和单个网络同时训练不同域的多个数据集来学习生成多样化输出的统一框架，并研究了如何更好地提取域监督信息以学习更好的分离表征和实现更好的图像翻译的方法。实验表明，所提出的方法优于或与最先进的方法相当。

    Nov, 2019

  • 跨域对应实现小样本图像生成

    利用预训练的跨域远程监督来降低过拟合，使用锚定策略以鼓励不同程度的真实感，实现源域和目标域之间的自动对应和生成更多样化和逼真的图像的少样本学习模型。

    Apr, 2021