#213
summarized by : 綱島 秀樹
Cross-Domain Correspondence Learning for Exemplar-Based Image Translation

どんな論文か?

Exemplarを用いた画像変換において、変換前ドメインとExemplarのマッチングを行って、一度Exemplarから変換前ドメインにwarpさせ、SPADEでGeneratorに突っ込むことで変換品質を上げたCrOss-domain COrreSpondence network (CoCosNet) を提案した。(名前がゴリ押しすぎる)
placeholder

新規性

・インスタンスレベルでhigh-fidelityな変換を成し遂げた点 ・定量評価 (User studyでも)でSOTA

結果

・FID、Sliced Wasserstein Distance (SWD) とUser Studyの評価でSOTA ・定性的にも最も自然な生成 ・インタラクティブなセマンティックマスクの編集による高品質な生成を達成 ※しかし、Exemplar-guidedじゃない手法と比較しているのでやや信頼性に乏しい

その他(なぜ通ったか?等)

非常に品質は良いものが生成できているが、Exemplar-guidedじゃない手法と比較を行ったりしているので、なぜOralかは疑問である。しかし、高品質な生成が可能なことは示しており、通ったと考えられる。