文献阅读·Image-to-image translation with conditiona...

文章预览

简介

Image-to-image translation with conditional adversarial networks.CVPR-2017,Cited-4432.Open source: https://github.com/phillipi/pix2pix ,Star-7.5k.

关键字

GAN，CGAN，图像转换，深度学习，机器学习

正文

（1）任务和思路

本文的主要贡献是利用CGAN实现了一个图到图的转换框架。这个框架是利用两个域之间的样本对进行监督学习的，损失由两部分构成，1）CGAN模型的判别器损失，使用二分类交叉熵来计算；2）图像像素损失，使用 来计算。

（2）框架和目标函数

框架如图（原文Fig2）所示，基本框架使用CGAN，但与CGAN不同的是：1）C不是类别而是图像；2）没有了噪声输入。

总体的目标函数：

其中第1项是GAN的损失：

其中第2项是像素损失：

（3）应用

用两幅图来说明应用，刚好是原文的一头一尾，开篇的图（原文Fig1）：

收尾的图（原文Fig10）：

参考资料

[1] Isola, Phillip, et al. "Image-to-image translation with conditional adversarial networks." Proceedings of the IEEE conference on computer vision and pattern recognition. 2017.

………………………………