cycle-consistency loss | BriefGPT

关键词cycle-consistency loss

搜索结果 - 8

AutoCycle-VC: 以瓶颈独立为目标的零样本跨语言语音转换
提出了一个简单而强大的零样本语音转换系统，使用了循环结构和梅尔频谱预处理，通过循环一致性损失考虑目标和源说话者之间的转换，同时利用堆叠的随机排序梅尔频谱和标签平滑方法在说话者编码器训练过程中提取不受时间约束的全局说话者表示，模型在主观和客观
PDF9 months ago
无需索引中间域的渐进式领域自适应
本研究提出了一种新的逐步领域自适应方法，称为 Intermediate DOmain Labeler（IDOL），应用了粗到细的框架，通过逐步领域鉴别器训练和循环一致性损失函数，发现中间的领域序列，并提升了自适应性能。
PDF2 years ago
利用敌对一致性损失实现非配对图像翻译
本文提出了一种新的对抗一致性损失函数用于无配对图像转换，它可以更好地处理像素级别的约束和几何变换，在去除大型物体和忽略不相关纹理方面表现出色，获得了当前三个有挑战性的图像转换任务，即眼镜去除、男变女和自拍变动漫的最好表现。
PDF4 years ago
MM可控图像翻译的统一生成对抗网络
该研究提出了一种基于生成对抗网络的统一方法，实现可以由可控的结构来指导的多种图像转换任务，包括手势转换和跨视角图像转换，其性能显著优于其他基于深度学习的方法
PDF5 years ago
循环一致 GAN 的对抗性自卫
本文研究了无监督图像翻译中的自我攻击问题，提出了两种防御技术，发现增强模型抵抗自我对抗攻击的能力能提高生成质量和重构可靠性，降低模型受低幅扰动的敏感度。
PDF5 years ago
基于注意力引导的生成对抗网络的无监督图像转换
本文提出了基于注意力机制的生成对抗网络 AGGAN，在生成图像时使用内置的注意力机制检测最具有辨别性的语义部分并最小化不需要的部分的变化，训练过程中同时考虑对抗损失、循环一致性损失、像素损失和注意力损失，实验表明 AGGAN 比现有模型能够
PDF5 years ago
CVPR基于失缺分离表征的无监督特定领域模糊修复
本文提出了一种无监督单图像去模糊方法，基于解缠表示学习，使用内容编码器和模糊编码器来分离模糊图像中的内容和模糊特征，并通过 KL 散度损失函数来规范提取的模糊属性的分布范围，同时添加模糊分支和循环一致性损失来处理不成对的训练数据，生成视觉逼
PDF5 years ago
基于条件生成式对抗网络的多对比度磁共振成像合成
本文提出了一种基于条件生成对抗网络的多对比度 MRI 综合新方法，该方法通过对抗损失保留高频细节，通过对注册多对比磁共振图像的逐像素损失和对非注册图像的循环一致性损失提供增强的合成性能，利用邻近切片的信息进一步提高合成品质，实验证明其优于以
PDF6 years ago