文献

J-GLOBAL ID：202002236966491929   整理番号：20A1750502

符号化のための弁別器再利用:教師なし画像から画像への変換に向けて【JST・京大機械翻訳】

Reusing Discriminators for Encoding: Towards Unsupervised Image-to-Image Translation

著者 (5件)： Chen Runfa (Institute for Artificial Intelligence, Tsinghua University (THUAI), Beijing National Research Center for Information Science and Technology (BNRist), State Key Lab on Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing, P.R.China) ,  Huang Wenbing (Institute for Artificial Intelligence, Tsinghua University (THUAI), Beijing National Research Center for Information Science and Technology (BNRist), State Key Lab on Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing, P.R.China) ,  Huang Binghui (Institute for Artificial Intelligence, Tsinghua University (THUAI), Beijing National Research Center for Information Science and Technology (BNRist), State Key Lab on Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing, P.R.China) ,  Sun Fuchun (Institute for Artificial Intelligence, Tsinghua University (THUAI), Beijing National Research Center for Information Science and Technology (BNRist), State Key Lab on Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing, P.R.China) ,  Fang Bin (Institute for Artificial Intelligence, Tsinghua University (THUAI), Beijing National Research Center for Information Science and Technology (BNRist), State Key Lab on Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing, P.R.China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 8165-8174  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師なし画像-画像翻訳はコンピュータビジョンにおける中心的タスクである。現在の翻訳フレームワークは,訓練プロセスが完了すると,識別子を放棄する。本論文は,目標領域の画像を符号化するためにそれを再利用することによって,識別子の新しい役割を終えた。NICE-GANと呼ばれる提案アーキテクチャは,以前のアプローチよりも2つの有利なパターンを示す:まず,独立符号化成分を必要としないので,よりコンパクトである;第2に,このプラグイン符号器は,敵対損失によって直接訓練され,マルチスケール識別器が適用されるならば,より有益で,より効果的に訓練される。NICE-GANにおける主な問題は,符号器に沿った識別による翻訳の結合であり,GANを介してミニマックスゲームを演ずるとき,訓練不整合を発生できる。この課題に取り組むために,著者らは,エンコーダが,他に冷凍を保つ間,敵対損失を最大化するときのみ訓練された,分離訓練戦略を開発した。4つの一般的なベンチマークに関する広範な実験は,FID,KID,および人間の好みに関して最先端の方法を超えるNICE-GANの優れた性能を示した。包括的アブレーション研究も行い,各提案成分の妥当性を分離した。著者らのコードはhttps://github.com/alpc91/NICE-GAN-pytorchで利用可能である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *弁別器 ,  ゲーム ,  符号器 ,  不整合 ,  コンピュータビジョン ,  再利用 ,  アブレーション ,  ベンチマーク ,  計算機アーキテクチャ
準シソーラス用語： プラグイン ,  識別子 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 符号化 ,  弁別器 ,  再利用 ,  教師