- …
- …
#57
summarized by : Anonymous
どんな論文か？
視覚的に不一致な領域間のマッピングを構築することは，依然として困難であると主張．そこで，全体的な品質の向上と適用性の向上のため，事前に訓練されたクラス条件付きGANの事前分布を抽出し，コンテンツ表現に基づいてより正確な対応関係を学習する事前分布を用いた教師なし画像変換フレームワーク（GP-UNIT）を提案．
新規性
クラス条件付きGANの事前分布を利用し，全体的な品質の向上に貢献．また事前分布の利用により，視覚的不一致なドメイン間のロバストな対応関係を高い意味レベルで学習．
結果
マルチモーダルな従来手法と比較し，同等か優れた結果を示した．特にドメイン間に視覚的に不一致なタスクほど，優れた結果を示す．また，GP-UNITは入力画像の背景を保持する傾向にある．
その他（なぜ通ったか？等）
https://github. com/williamyang1991/GP-UNIT
- …
- …