对比性非配对图像翻译：相比CycleGAN，contrastive-unpaired-translation更快且更简便...
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
对比性非配对图像翻译是一种改进的图像转换技术，相较于CycleGAN，它提供了更快、更简单的模型训练过程，并在多种数据集上展现出卓越性能。
我们提供了一种基于补丁式对比学习和对抗学习的非成对图像到图像翻译的PyTorch实现方法，这种方法不依赖于手工制作的损失函数或逆网络。与现有技术相比，我们的模型训练速度更快且内存占用更少。此外，该方法能够应用于单张图片的训练场景中，在这种情况下每个“域”仅包含一张单独的图片。
这项工作由加州大学伯克利分校和Adobe Research在ECCV 2020会议上提出。以下是部分伪代码示例：
```python
import torch
cross_entropy_loss = torch.nn.CrossEntropyLoss()
# 输入：f_q (BxCxS) 和从 H(G_enc(x)) 中采样的特征
# 输入：f_k (BxCxS) 是来自 H(G_enc(G(x))) 的采样特征
# 输入: tau 为温度参数。
```
全部评论 (0)
还没有任何评论哟~
