Cycle GAN: Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

最新推荐文章于 2020-09-13 20:22:46 发布
最新推荐文章于 2020-09-13 20:22:46 发布
阅读量553 收藏
点赞数
分类专栏： 菜鸟从零开始学习Deep learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yihaizhiyan/article/details/85111919
版权

1. Adversarial loss: 

   

2. Cycle consistency loss

  

3. Full objective function:

   

Cycle GAN, 不仅让生成的图像和真实图像对抗学习，同时要求生成的图像能够decode出来原图像，这样不至于生成的图像太失真。

文中有个例子，很好理解。就是不要要求中文翻译为英文，尽可能准确。还要求翻译出来的英文，能够反过来翻译为对应的中文。 有点拗口，但是很形象。

 

 

我是家家
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
summer2day的博客
02-25 2524
摘要：图像到图像转换是一类视觉和图形问题，其目标是通过训练学习输入图片的风格，将其映射到框架类似的输出图片中。尽管对于很多任务而言，配对训练数据可遇不可求。我们提出了一种在没有配对的情况下从来源域 X 到目标域 Y 进行图像转换的方式。我们的目标是实现 G:X→ Y，其中 G(X) 的图像分布与使用对抗性损失分布的 Y 难以区分。因为映射非常不完全，我们将其以 F:Y→ X 的方式建立映射，同时引...
GAN论文学习2-- CycleGan_Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
AI炼丹师
07-19 858
2017ICCV论文阅读 Title:Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks Paper:pdf Code:code 晕，老师让我仔细看几篇GAN论文时，看完CGAN，pix2pix，然后打开这篇CycleGan,看到排版，我就下意识看了眼作者。。果然和pix2pix同一拨人。他...
Unpaired Image-to-Image Translationusing Cycle-Consistent Adversarial Networks
nuonuo_orz的博客
08-05 308
贡献 使用不成对的图像，进行图像风格转换 提出循环一致性loss 方法 循环一致性loss L1损失， Adversarial Loss
CycleGAN：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
女王の专属领地
04-08 1600
【论文】Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 【主页】https://junyanz.github.io/CycleGAN/ 【pytorch code】https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix 【torc...
Unpaired Image-to-Image Translation using Cycle-consistent adversarial networks
07-17
gan的经典论文CycleGAN论文原文。描述使用gan进行图像风格转换。
Unpaired Image-to-Image Translation using Adversarial Consistency Loss.pdf
03-27
部分图像翻译算法存在的问题 许多图像翻译算法需要一一对应的图像。可是在许多应用场景下，往往没有这种一一对应的强监督信息。比如说以下一些应用场景：以第一排第一幅图为例，要找到这种一一配对的数据是不现实的...
Unpaired Image-to-Image Translation
10-19
Image-to-image translation is a class of vision and graph- ics problems where the goal is to learn the mapping between an input image and an output image using a training set of aligned image pairs.
contrastive-unpaired-translation:对比性的非配对图像到图像翻译，比cyclegan更快，更轻松的训练（ECCV 2020，在PyTorch中）
03-17
对比非成对翻译（CUT） | | | 我们提供了基于补丁式对比学习和对抗学习的不成对图像到图像翻译的PyTorch实现。 没有使用手工制作的损耗和逆网络。 与相比，我们的模型训练更快，内存占用更少。...
CVPR：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
热门推荐
cassiePython的专栏
07-06 1万+
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 摘要 背景：图像到图像的迁移是计算机视觉中的一个很有意思的问题。目标是学习一个从输入图片到目标图片的映射，在训练中需要使用成对的训练集。 问题：成对的训练数据并不是那么容易获得的。 本文方法：学习一个从源域(source dom...
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
Willen_的博客
12-18 845
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 源码链接：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix 论文链接：源码链接里有 1.创新 针对非成对的数据集，提出了一种通用型的image-to-image 的训练模...
论文阅读《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》
weixin_42197601的博客
03-23 423
这是一篇风格迁移领域比较出色的文章，他的亮点在于没有采用以前的成对图像进行训练学习映射之后才能进行的风格迁移，而是使用了GAN网络进行一个图像域到另一个图像域的学习，这样就无需大量成对图像的学习。同时为了保证图像映射的正确性，GAN网络采用了循环结构，即从X->Y迁移之后，还要进行Y->X的迁移，在循环训练的过程中完成风格的迁移任务。 1.Introduction 风格迁移任务其实可以...
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 总结
gylph的博客
12-07 486
1.Abstract Image-to-image translation training set of aligned image pairs However ，paired training data will not be available Our goal：G : X --> Y
论文笔记 - Cycle-GAN Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
andyL_05的博客
07-09 451
论文笔记 - Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 本文是ICCV 2017的一篇文章，也就是著名的Cycle-GAN一文。同时期研究生成模型的算法很多（现在依然有很多）起了各种xxxGAN的名字。 CycleGAN是生成模型中很有启发性的一个工作，马和斑马的图也在网络上广为流传。 论文和源码、模型都可以在作者的网页找到。 Abstract Introduction &&
CycleGAN论文详解:Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
qq_38343151的博客
03-24 1095
我们的目标是使用一个对抗损失函数，学习映射G：X → Y (A2B)，使得判别器难以区分图片 G(X) 与 图片Y。因为这样子的映射受到巨大的限制，所以我们为映射G 添加了一个相反的映射F：Y → X(B2A)，使他们成对，同时加入一个循环一致性损失函数 (cycle consistency loss)，以确保 F(G(X)) ≈ X（反之亦然）。 在这篇文章中，我们提出了一个方法：在没有成对图...
CycleGAN（2017）：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
makabaka的博客
11-07 590
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 简述： 本文主要的工作是，给定任意两个无序的图像集合X和Y，我们的算法学习自动“转换”图像从一个到另一个，反之亦然。即风格迁移转换。如下图中莫奈画与照片的转换，斑马与马的转换，夏天与冬天的转换等。下面一行是由照片转换为不同画家画风的图像。 ...
【论文阅读总结】Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
weixin_43788898的博客
09-13 620
目录问题类型方法类型工作方向验证方法解决方法创新处不足处总结 问题类型 无配对前提下的风格迁移 方法类型 循环一致性对抗网络 工作方向 作者团队意在实现风格迁移(例如训练完毕后的模型，输入一张正常人像，可以自动输出毕加索画风的抽象画版本)，可拓展为一类image-to-image translation问题。在本论文中目标为：实现在“训练例没有进行配对“这一前提条件下，对其图片集进行特征提取，并将此特征与另外一组图片集结合的一种方法。 验证方法 通过wikiart , google航拍图等作为input,而
《Image-to-Image Translation with Conditional Adversarial Networks》论文笔记
My Caroline的博客
04-21 7660
论文链接摘要我们研究条件对抗网络的目的是将之作为一种图片到图片“翻译”问题的通用的解决方法。这些网络不仅学习了从输入图像到输出图像的映射，还学习了训练这个映射的损失函数。这使得将这个一般方法解决通常需要完全不同的损失函数公式的问题成为了可能。我们证实了这个方法在从标签图来合成图片、从边缘图来重构目标以及给图片着色问题上都很有效。作为一个共同体，我们不再需要人为构建映射函数，而且这项工作发现不用人为构
unpaired image-to-image translation using cycle-consistent adversarial networks
最新发布
03-16
Cycle-Consistent Adversarial Networks(CycleGAN) 是一种用于不匹配图像转换的深度学习方法。它使用了两个生成器和两个判别器，通过循环一致性约束来学习转换。这种方法可以在没有对应训练数据的情况下进行图像转换...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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