#672
summarized by : kiyo
Semi-Supervised Learning for Few-Shot Image-to-Image Translation

どんな論文か?

画像変換において学習データに含まれない未知クラスについても変換を可能にする手法はFUNITとして提案されているが、その場合でも学習データ自体には多数のラベル付きデータが必要だった。本論文では教師なし学習を用いて生成した疑似ラベルを用いることで少数のlabeledデータと多数のunlabeledデータで同様の学習を可能とする手法を提案した。
placeholder

新規性

few-shotの画像変換に教師なし学習を組み合わせて少数のlabeledデータとunlabeledデータで学習を可能とした。

結果

Animals、Birdsを用いた比較でFUNITよりもIS、FIDで優越。Flowers、Foodsを用いた定性的な結果の比較も行っている。

その他(なぜ通ったか?等)