深度生成模型之图像翻译GAN -＞（个人学习记录笔记）

深度生成模型之图像翻译GAN

图像翻译的应用

1. 风格迁移

• 各类风格化应用

2. 数据增强

• 仿真数据，增强数据的多样性

3. 经典图像任务

• 图像上色，图像分割，边缘检测，图像增强，超分辨，图像修复等

4. 内容创作

• 交互式图像生成，图像编辑

5. 人脸图像编辑

• 人脸表情，年龄，妆容，身份编辑，动漫风格化等

6. 人体图像编辑

• 虚拟试衣，动作迁移等

图像翻译模型

1. 有监督图像翻译模型

• Pix2pix，输入为图片，输出为图片，条件也是图片，需要成对的图片/标签数据进行训练

• Pix2pixHD，使用多尺度生成高精度结果(2048×1024)

2. 无监督图像翻译模型

• Couple-GAN，获取两个域的联合分布

• UNIT，使用两个编码器将不同域的样本X1和X2映射到共享潜在空间z，然后分别输入生成器和判别器

• CycleGAN，循环GAN

• CycleGAN工程技巧

• 与CycleGAN近似等价的其他结构，DualGAN，DiscoGAN，XGAN

3. 多域图像翻译模型

• StarGAN，多域之间的转换

• 部分内容来自阿里云天池