U-GAT-IT论文复现笔记(飞桨paddlepaddle)

论文题目：U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation（2019-7-25）
pytorch版本代码： https://github.com/znxlwm/UGATIT-pytorch.
论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340
数据集：horse2zebra and photo2vangogh：这两个数据集主要是cyclegan论文实验的数据集；
cat2dog and photo2portrait：这两个数据集主要是DRIT实验的数据集；
selfie2anime：本文额外的数据集，自拍到漫画人脸，资源：链接：https://pan.baidu.com/s/1NBM7Lo04DI3EIIEFsnIf_Q
提取码：q207
论文主要贡献：解决无监督的图像翻译问题，当两个域的图像的纹理和形状差别很大时，现有的一些经典模型(cyclegan、UNIT、MUNIT、DRIT等)效果不佳，这些算法适用于两个域的差别不大时，如photo2vangogh和photo2portriat，而cat2dog和selfie2anime(自拍到漫画)效果不好，本文通过引入attention module和AdaLIN（Adaptive Layer-Instance Normalization）能在几何形变很大的情况下仍然有好的效果。
网络结构：

网络参数：



实验结果：

效果图：