TensorFlow上的StarGAN代码全部开源
极客时间编辑部
讲述：丁婵大小：1.01M时长：02:12
近日，研究人员将 StarGAN 在 TensorFlow 上实现的全部代码开源。StarGAN 是由香港科技大学、新泽西大学和韩国大学等机构的研究人员提出的一个图像风格迁移模型，是一种可以在同一个模型中进行多个图像领域之间风格转换的对抗生成方法。
图像到图像转换（image-to-image translation）是指改变给定图像的某一方面，例如，将人的面部表情从微笑改变为皱眉。在引入生成对抗网络（GAN）之后，这项任务就有了显着的改进，包括可以改变头发颜色，改变风景图像的季节等。
研究人员给定了来自两个不同领域的训练数据，这些模型可以学习如何将图像从一个域转换到另一个域。然而，现有的模型在多域图像转换任务中效率很低，效果也不好。
为了解决这个问题，StarGAN 被创建出来，这是一个能够学习多个域之间映射的生成对抗网络。在接受多个域的训练数据时，仅使用一个生成器，就可以学习所有可用域之间的映射。
据介绍，这个研究的贡献如下：
提出 StarGAN，只使用一个生成器和一个鉴别器来学习多个域之间的映射，能够有效地利用所有域的图像进行训练。
演示了如何通过使用 mask vector（掩码向量），来学习多个数据集之间的多域图像转换，使 StarGAN 能够控制所有可用的域标签。
使用 StarGAN 在面部属性转换和面部表情合成的任务中，提供了定性和定量的结果。
另外，研究人员还介绍了一种简单有效的方法，通过在域标签中添加一个掩码向量，来实现不同数据集域之间的联合训练。这种方法可以确保模型忽略未知的标签，并关注特定数据集提供的标签。这样，模型就可以很好地完成任务。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论