Image to image translation

https://arxiv.org/abs/1512.04150 https://arxiv.org/abs/2104.01538

多峰无监督图像到图像翻译

目的

尽管这种条件分布本质上是多模态的，但现有方法做出了一个过于简化的假设，将其建模为确定性的一对一映射。因此，它们无法从给定的源域图像生成多样化的输出。为了解决这个限制，我们提出了一个多模态无监督图像到图像翻译 (MUNIT) 框架。(摘要)

方法

损失函数:

功能总结：给定一个输入图像并从高斯分布中采样一个风格变量 $z$，模型会生成一个目标域图像，其内容取决于输入图像，风格取决于风格变量。不同的 $z$ 会在目标域中生成不同的输出图像。但这种方法仍然局限于一个域到另一个域的转换。如果需要多域转换，则应应用条件生成。（也许有其他工作解决了这个问题）。

网络结构

结果

DRIT

方法

损失函数

结果

[https://arxiv.org/pdf/1703.00848.pdf]

方法

通过解耦食谱内容和菜肴风格的跨模态食谱嵌入

方法

ACME