U-GAT-IT 的官方 PyTorch 实现: 无监督生成注意力网络,采用自适应层实例归一化技术,用于图像到图像转换
U-GAT-IT 的官方 PyTorch 实现: 无监督生成注意力网络,采用自适应层实例归一化技术,用于图像到图像转换
U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation
摘要 我们提出了一种新的无监督图像到图像转换方法,该方法采用端到端的方式融入了一个新的注意力模块和一个新的可学习的归一化函数。注意力模块通过辅助分类器获得的注意力图来指导我们的模型关注区分源和目标域之间的更重要区域。与之前的基于注意力的方法不同,这些方法无法处理域之间的几何变化,我们的模型可以同时转换需要全面变化的图像和需要大量形状变化的图像。此外,我们的新 AdaLIN(自适应层实例归一化)函数通过依赖于数据集的学习参数,帮助我们的基于注意力的模型灵活控制形状和纹理的变化量。实验结果表明,与固定网络架构和超参数的现有先进模型相比,我们提出的方法具有优越性。
暂无开放 Issues，或尚未同步最近议题。