StarGAN论文

最新推荐文章于 2024-07-10 19:54:46 发布
最新推荐文章于 2024-07-10 19:54:46 发布
阅读量1.1k 收藏 11
点赞数
分类专栏： 深度学习 文章标签： 深度学习
原文链接：https://arxiv.org/abs/1711.09020
版权

目录一览

论文: StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation
论文原始Pytorch版代码: link
Tensorflow版代码: link

摘要

最近很多研究在图像翻译方面取得了巨大成功，然而现有的模型都是针对两个一对一领域的图像转换。它们在多领域转换需要多次重新对两两领域构建训练网络，缺少可扩展性和鲁棒性。为了解决这样的问题，提出星形StarGAN，做到只用单一网络就实现多领域的图像翻译。StarGAN允许同时对具有不同域的多个数据集在一个网络上训练。对比现存的模型，StarGAN展现了高质量和灵活性。

1.介绍

属于图像翻译（image-to-image translation）应用
在StarGAN上同时训练CelebA和RaFD，第1列和第6列是输入，注意7，8，9是使用RaFD的标签来合成CelebA图像
在StarGAN上同时训练CelebA和RaFD，第1列和第6列是输入，注意7，8，9是使用RaFD的标签来合成CelebA图像。如上图，左边展现了输入图像转换成金发、性转、变老、白皮肤的结果；右边展现了输入图像转换成生气、高兴、害怕的结果。

术语解释

Arrtibute属性（图像的意义特征）：发色、性别、年龄
Attribute value属性值（属性的特定值）：黑色/金色/棕色、男性/女性
Domain域（相同的属性值）：男性、女性

数据集

CelebA数据集有40个标签，如发色、性别、年龄等。
RaFD数据集有8个标签，如开心、生气、悲伤等。

一对一图像转换的不足

多领域翻译里一对一网络和星形网络的构建图
1.k个域进行图像翻译时，一对一的转换需要构建k*(k-1)个网络；StarGAN只需要一个网络。
2.一对一的转换无法充分利用k个域的所有图片，只能针对两个域的图片进行学习，这可能会对生成的图像质量有影响。
3.一对一的转换无法对不同数据集的域进行训练，因为数据集都是部分标记的。

针对以上不足的StarGAN优势

1.单个网络
生成器G接受图像和域信息作为输入。其中，使用二进制或一位有效编码(one-hot vector)的标签来代表域信息。
训练时，我们随机地生成目标域标签并训练模型能够将输入图像转换成具有目标域特征的图像。
2.跨数据集的多域训练
通过在域标签里增加掩码向量来支持不同数据集的域之间的联合训练。忽略未知标签并专注于特定的标签。如官方图的右边，使用RaFD的标签来合成CelebA的图像。

论文的贡献

1.使用一个生成器G和一个鉴别器D实现多域转换。
2.使用添加了掩码向量mask vector的域标签方法能实现跨数据集的多域训练。
3.在面部迁移方面的定性和定量结果显示StarGAN模型优于其他模型。

2.相关基础知识

生成式对抗网络GAN

//

条件生成式对抗网络CGAN

//

图像翻译

//

3.StarGAN

StarGAN的G、D训练过程
对D训练
（a）D对真假图片进行判别，真图片判真，假图片判假，真图片被分类到相应域
对G训练
（b）真图片+目标标签c进入G生成假图片
（c）假图片+原始标签c又进入G生成重构图片
（d）D对假图片进行判别，判假图片为真

3.1多域单数据集的图像翻译

生成器G在随机目标域标签c的控制下将输入图像下转化为输出图像y，G(x, c) → y。
随机产生的c让G灵活地对输入图像进行转换。
辅助分类器允许鉴别器D控制多个域，即在源和域标签上鉴别器D都产生概率分布，D : x → {Dsrc(x), Dcls(x)}。

对抗损失(adv)

对抗损失
生成器G以输入图像x和目标域标签c为条件生成图像G(x, c)，而鉴别器D尝试区分真实图像x和伪造图像y。
Dsrc(x)为D在给到D的源概率分布。
生成器G尝试最小化此目标，而鉴别器D尝试最大化它。

域分类损失(cls)

目标是令输出图像y符合目标域标签c的分类。
为了达到这个条件，我们在鉴别器D上添加了一个辅助分类器并通过优化D和G的损失来加强域分类。
即域分类损失分为两部分：
用于优化D的针对真实图像的域分类损失
用于优化D的针对真实图像的域分类损失
Dcls(c’|x)为通过D计算的在域标签概率分布。
通过最小化这个目标，D学习将真实图像x分类为对应的原始领域c’。
我们假设输入图像和标签对(x,c’)是由训练数据给出。
用于优化G的针对伪造图像的域分类损失
用于优化G的针对伪造图像的域分类损失
G尝试最小化此目标以生成可归类为目标域c的图像。

重建损失(rec)

通过最小化上面的对抗损失和分类损失并不能保证仅更改输入图像中与域相关的部分而保留输入图像的内容。
为了解决这个问题，我们在生成器引入一个周期一致性损失
重建损失
其中G接受伪造图像G(x,c)和原始域标签c’作为输入，尝试重建原始图像x。
我们采用L1规范作为重建损失。
注意我们将两次使用生成器G，第一次是首先将原始图像转换为目标域中的图像，第二次是从翻译后的图像中重建原始图像。

完整的损失

将目标函数写为优化D和G的形式
完整的损失
与对抗性损失相比，需要参数 λcls and λrec分别控制域分类损失和重建损失的相对比例。
在所有实验中，我们使用λcls= 1和λrec= 0。

3.2多域多数据集的图像翻译

对数据集可能出现的问题是数据集仅了解部分标签信息。如CelebA有发色和性别之类的标签信息，但没有RaFD的表情标签信息，反之亦然。

掩码向量mask vector

为了解决此问题，我们引入了一个掩码向量 m，该向量允许StarGAN忽略未指定的标签，并专注于特定数据集提供的明确已知的标签。
在StarGAN中，我们使用n维一位向量表示 m，其中n是数据集的数量。
我们将标签的统一版本定义为矢量
掩码向量mask vector
ci表示第i个数据集的标签。
已知的ci标签可用于二进制属性或分类属性。
剩下的n-1个未知标签，赋值0。
在我们的实验中，我们利用CelebA和RaFD数据集，其中n为2。

训练策略

使用上述的c作为生成器的输入，G将会忽略未知的标签专注于给定的标签。
G除了c的大小不同，其余均与单个数据集训练时相同。
扩展了鉴别器D辅助分类器在所有数据集标签的生成概率分布，鉴别器D仅尝试最小化与已知标签的分类错误。例如，当训练CelebA中的图像时，鉴别器D仅最小化与CelebA属性标签相关的分类错误，而不管与RaFD相关的表情属性。
通过在CelebA和RaFD之间进行交替，鉴别器将学习两个数据集的所有区分特征，而生成器将学习控制这两个数据集中的所有标签。

4.操作

GAN改进(梯度惩罚的对抗损失)

将原始的GAN替换成有梯度惩罚的Wasserstein GAN，其对抗损失为
有梯度惩罚的Wasserstein GAN
其中xˆ是沿一对真实图像和生成图像之间的直线均匀采样的。
对于所有实验，我们均使用λgp= 10。

网络结构

沿袭自CycleGAN，StarGAN的生成器网络由两个卷积层组成，其步长为2，用于下采样；六个残差块；两个转置卷积层，步长为2，用于上采样。
我们对生成器使用实例规范化，但对鉴别器不使用规范化。
我们将PatchGAN用于区分网络，该网络对本地图像补丁是真实的还是伪造的进行了分类。

5.实验

5.1Baseline Models

//DIAT
//CycleGAN
//IcGAN

5.2数据集

CelebA

//

RaFD

Radboud人脸数据库（RaFD）[13]包含从67位参与者那里收集的4,824张图像。
每个参与者在三个不同的注视方向上做出八个表情，这些表情是从三个不同的角度捕获的。
我们将图像裁剪为人脸居中的256×256，然后将其调整为128×128。

5.3训练

所有模型均使用Adam进行训练，其中β1= 0.5和β2= 0.999。
对于数据增强，我们以0.5的概率水平翻转图像。
在五次鉴别器更新之后，我们执行了一次生成器更新。
所有实验的批大小均设置为16。
当在CelebA中训练时，前10代的学习率为0.0001，它会在之后的10代线性衰减至0。而在RaFD中，为了弥补数据缺失，我们将前100代的学习率设为0.0001，并让其在后100代中线性衰减至0。
整个训练在一个NVIDIA Tesla M40 GPU上进行，耗时约一天。

5.4在CelebA的训练结果

//

5.5在RaFD的训练结果

为了比较StarGAN模型和基准模型，我们将输入域固定为“中性”表情，目标域在其余七个表情中。

定性评估

StarGAN与基准模型的比较
StarGAN清楚地生成了最自然的表情，同时适当地保持了输入的个人身份和面部特征。 虽然DIAT和CycleGAN主要保留输入的身份，但它们的许多结果显示为模糊的，不能保持输入中所见的清晰度。 IcGAN甚至无法通过生成男性图像来保留图像中的个人身份。

我们认为，StarGAN在图像质量上的优势是由于其来自多任务学习设置的隐式数据增强效果。
RaFD图像包含相对较小的样本大小，例如每个域500张图像。在两个域上进行训练时，DIAT和CycleGAN一次只能使用1,000张训练图像，而StarGAN可以在所有可用域中总共使用4,000张图像进行训练。
这使得StarGAN可以保持生成的输出的质量和清晰度。

定量评估

为了进行定量评估，我们计算了合成图像上面部表情的分类误差。
我们使用ResNet-18架构在RaFD数据集上训练了一个面部表情分类器（用于训练和测试集的分割率为90％/ 10％），结果达到了近99.55％的精确度。
然后，我们使用相同的训练集训练了每个图像翻译模型，并在相同的，看不见的测试集上执行了图像翻译。
最后，我们使用上述分类器对这些翻译图像的表达进行分类。
分类误差
从表中可以看出，我们的模型实现了最低的分类误差，这表明我们的模型在所有比较的方法中产生了最真实的面部表情。
我们模型的另一个重要优点是，根据所需参数的数量具有可扩展。
表的最后一列显示，StarGAN学习所有翻译所需的参数数量比DIAT小7倍，比CycleGAN小14倍。
这是因为StarGAN仅需要一个生成器和鉴别器对，而不管域的数量如何，而对于跨域模型（如CycleGAN），则应该为每个源-目标域对训练一个完全不同的模型。

5.6在CelebA+RaFD的训练结果

//

6.结论

1.一个生成器和一个鉴别器实现多域转换（可扩展性）
2.图像质量更高（多任务的泛化能力）
3.掩码向量实现跨数据集的多域控制

参考：
https://blog.csdn.net/weixin_42445501/article/details/82748225
https://blog.csdn.net/jialibang/article/details/81303847

找工作青年
关注
专栏目录
Star GAN论文解析
qq_52053775的博客
04-05 565
在传统方法中，给定一张人脸图片，要求改变头发颜色、改变性别、改变年龄肤色等，我们需要为每个任务都生成训练一个网络。基于CycleGan开源项目实战图像合成-CSDN博客Star GAN解决的问题是，我们能不能使用一个网络，解决上述所有问题。
stargan项目实战及源码解读
qq_52053775的博客
04-05 384
首先，在使用生成网络生成图片时，我们会输入一张图片和对应风格的向量s,然后生成得到对应风格的图片。首先，初始化2组向量z1和z2，然后经过map网络得到对应风格的编码s1和s2，很显然，s1和s2是不同的，我们现在希望根据s1和s2生成的结果差异越大越好，差异越大，多样性越高。可以理解为一种重构损失，我们希望生成的结果还是同一个人，因此，对于生成图片还原回去要与原来的输入图片足够接近。需要注意的是，数据集是做过特殊处理的，里面的人脸是对齐的，如果要训练自己的数据集，也需要做类似的处理。
cvpr2018 论文 StarGan
06-19
cvpr2018的论文，关于gan的变形。提出了一种的的对抗生成网络：StarGan。
starGAN 论文学习
热门推荐
fly
09-17 1万+
StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation 2018年的cvpr 论文地址： http://openaccess.thecvf.com/content_cvpr_2018/papers/Choi_StarGAN_Unified_Generative_C...
stargan论文解读
m0_52122736的博客
03-31 1257
1，论文题目 2，内容简介 3，论文背景 图像到图像的风格转化，在这之前就有比较出名的cyclegan。那么之后为什么会有stargan的发现呢？stargan的出发点又有什么不同呢？ 为了回答这个问题，我们先介绍cyclegan cyclegan能做把图片的斑马变成马，实现简单的风格迁移 cyclegan能实现简单的两个图像间的风格转移。那么问题来了. 当我有一个目标图像，想把他转换为N种风格，那我是不是得有N个cyclegan得模型呢？我们能不能用一种模型来实现目标图像的多种风格转化呢？
论文学习 StarGANv2 ——StarGAN v2: Diverse Image Synthesis for Multiple Domains
最新发布
qq_53536373的博客
07-10 1147
最后但并非最不重要的一点是，我们提出了一个新的动物人脸数据集（AFHQ），具有高质量和广泛变化（附录 A），以更好地评估图像到图像转换模型在大的域间和域内差异上的性能。给定一个潜在代码 z 和一个域 y，我们的映射网络 F 生成一个样式代码 = Fy (z)，其中 Fy (·) 表示对应于域 y 的 F 的输出。我们的生成器 G 将输入图像 x 转换为输出图像 G(x, s)，反映特定领域的样式代码 s，由映射网络 F 或样式编码器 E 提供。这里，Ey (·) 表示对应于域 y 的 E 的输出。
stargan：StarGAN-官方PyTorch实施（CVPR 2018）
02-26
StarGAN-官方PyTorch实施 *****新增功能：可从获得StarGAN v2 ***** 该存储库提供了以下论文的官方PyTorch实现： StarGAN：用于多域图像到图像翻译的统一生成对抗网络1,2， 1,2， 2,3，2，2,4， 1,2- 1韩国大学， ...
stargan-v2:StarGAN v2-官方PyTorch实施（CVPR 2020）
05-12
StarGAN v2-官方PyTorch实施 StarGAN v2：多个域的多样化图像合成*，* *，*，在CVPR 2020中。（*表示相等的贡献） 论文： : 视频： ： 摘要：良好的图像到图像转换模型应学习不同视觉域之间的映射，同时满足以下...
【论文学习笔记】《StarGAN-VC: Non-Parallel M2M Voice Conversion With Star Generative Adversarial Networks》
求求你们别卷了
03-23 1929
《StarGAN-VC: Non-Parallel Many-To-Many Voice Conversion With Star Generative Adversarial Networks》论文学习 文章目录《StarGAN-VC: Non-Parallel Many-To-Many Voice Conversion With Star Generative Adversarial Networks》论文学习  摘要  1 介绍  2 CYCLEGAN 声音转换&nbs
（六）starGAN论文笔记与实战
SCU-JJkinging的博客
07-31 1398
三、完整代码 import argparse import torch import torchvision import os import numpy as np import time import itertools import datetime import torchvision.transforms as transforms from torchvision.utils import save_image from torch.utils.data import DataLoader,
StarGAN Unified Generative Adversarial Networks.pdf
09-02
这是关于StarGAN Unified Generative Adversarial Networks的论文
StarGAN-v2
02-15
StarGAN-v2 客观的： 为了训练单个生成器G，其生成与给定图像x相对应的每个域y的不同图像。 本文中使用的技术术语： 多样的图像：每次给定源图像和域时都产生不同的图像。 （StarGAN的缺点） 域：一组图像，形成视觉上独特的类别。 例如：一个人的性别 样式：每个图像的唯一外观。 例如：发型，化妆等。 潜在空间：一个空间，在该空间上表示压缩数据以删除无关的信息并找到两个数据点之间的基本相似性。 。 阅读更多 网络尝试在每个域的学习样式空间中生成特定于域的样式矢量，并训练G在输出图像中反映这些矢量 网络组成 生成器G ：获取输入图像x和样式代码s以生成输出图像。 样式代码消除了将图像的域提供给G的需求，从而允许G生成所有域的图像。 s旨在表示特定域y的样式，从而消除了向G提供y并允许tit合成所有域图像的必要性。 映射网络F ：获取域（ y ）和潜在代码z （高斯噪声）以
StarGANv2: Diverse Image Synthesis for Multiple Domains论文解读及实现
weixin_42529756的博客
08-13 538
starganv2图片风格迁移论文解读及实现
The Six Fronts of the Generative Adversarial Networks 论文笔记
weixin_41431170的博客
09-30 1347
The Six Fronts of the Generative Adversarial Networks 论文笔记
【飞桨】【PaddlePaddle】【论文复现】StarGAN v2论文及其前置：GAN、CGAN、pix2pix、CycleGAN、pix2pixHD、StarGAN学习心得
sp7414的博客
08-05 1681
目录GANCGANpix2pixCycleGANpix2pixHDStarGAN PaddlePaddle: 百度顶会论文复现营. GAN GAN，即生成对抗网络，其网络结构主要包含一个生成器G和一个判别器D。首先，一个n维噪声输入到模型中，由生成器生成一个fake图像（根据目标而定），接着传入真实图像，resize成与fake图像相同大小，共同输入到判别器D中，送入训练网络中，训练趋势是使生成器生成越来越逼真，可以“以假乱真”的假图像，而判别器的精度也不断提升，最后，判别器D无法区分生成器G生辰的fak
StarGAN
Forlogenの解忧杂货铺
05-11 1219
论文地址：https://arxiv.org/abs/1711.09020v3 论文GitHub：https://github.com/yunjey/StarGAN ​ https://github.com/taki0112/StarGAN-Tensorflow 收录：CVPR 2018 昨天在看《CollaGAN: Collaborative GAN for Missing Imag...
StarGAN——生成你的明星脸
weixin_34331102的博客
06-01 543
1 GAN 介绍 GAN，叫做生成对抗网络 (Generative Adversarial Network) 。其基本原理是生成器网络 G(Generator) 和判别器网络 D(Discriminator) 相互博弈。生成器网络 G 的主要作用是生成图片，在输入一个随机编码 (random code) z后，自动的生成假样本 G(z) 。判别器网络 D 的主要作用是判断输入是否为真实样本并提供...
风格迁移篇--- stargan代码详解以及论文解读翻译
m0_61985580的博客
07-18 1880
论文地址：https://ieeexplore.ieee.org/document/8579014/ 论文代码（pytorch）：https://github.com/yunjey/stargan 论文翻译与解读：https://blog.csdn.net/m0_61985580/article/details/125766783?spm=1001.2014.3001.55011、此文仅作为学习笔记，注释可能会有一些偏差，如有注释错误欢迎留言更正。 2、如有使用此文，请标注出处。...
关于StarGAN
gzw110605110的博客
11-22 1025
论文阅读笔记 论文题目：StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation 创新点：只需使用一个模型就可以对多个域执行图像到图像的转换，交叉域模型（cross-domain models）需要成对建立不同域之间的模型，如下图所示 starGAN的基本结构如下图所示...
StarGAN技术解读：多领域图像转换解决方案
资源摘要信息: "stargan-my1" 知识点一：StarGAN StarGAN是一个用于图像到图像翻译（image-to-image translation）的多域转换模型，它能够通过学习不同域（domains）之间的映射关系来转换图像风格。该模型特别适合...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值