#110
summarized by : Takuma Yagi
TraVeLGAN: Image-To-Image Translation by Transformation Vector Learning

どんな論文か?

画像生成タスクのための新しい損失項の提案。
placeholder

新規性

2組の生成画像と正解画像のペアに対してword2vecのような足し引きの関係が維持されるような制約を課すネットワークを追加し、Cycle consistencyを使わず、幾何的関係がもはや維持されていないクラス間に対してもスタイル変換が可能。

結果

スケッチ-写真変換において、CycleGANに対するピクセル上の誤差は劣るものの、ドメインが大きく異なる場合においても十分自然な画像を生成する上、画像のFID scoreにおいてCycle consistrencyを利用した手法より高性能。

その他(なぜ通ったか?等)

問題意識は明確で手法にもオリジナリティがある一方、全く異なるクラス間でのスタイル変換にどの程度意味があるかは分からなかった。