Contrastive learning for unsupervised image-to-image translation

计算机科学 图像(数学) 翻译(生物学) 人工智能 图像翻译 自然语言处理 计算机视觉 模式识别(心理学) 生物化学 基因 信使核糖核酸 化学
作者
Hanbit Lee,Jinseok Seol,Sang-goo Lee,Jaehui Park,Junho Shim
出处
期刊:Applied Soft Computing [Elsevier]
卷期号:151: 111170-111170 被引量:6
标识
DOI:10.1016/j.asoc.2023.111170
摘要

Image-to-image translation (I2I) aims to learn a mapping function to transform images into different styles or domains while preserving their key structures. Typically, I2I models require manually defined image domains as a training set to learn the visual differences among the image domains and achieve the ability to translate images across them. However, constructing such multi-domain datasets on a large scale requires expensive data collection and annotation processes. Moreover, if the target domain changes or is expanded, a new dataset should be collected, and the model should be retrained. To address these challenges, this article presents a novel unsupervised I2I method that does not require manually defined image domains. The proposed method automatically learns the visual similarity between individual samples and leverages the learned similarity function to transfer a specific style or appearance across images. Therefore, the developed method does not rely on cost-intensive manual domains or unstable clustering results, leading to improved translation accuracy at minimal cost. For quantitative evaluation, we implemented a state-of-the-art I2I models and performed image transformation on the same input image using the baselines and our method. The image quality was then assessed using two quantitative metrics: Frechet inception distance (FID) and translation accuracy. The proposed method exhibited significant improvements in image quality and translation accuracy compared with the latest unsupervised I2I methods. Specifically, the developed technique achieved a 25% and 19% improvement over the best-performing unsupervised baseline in terms of FID and translation accuracy, respectively. Furthermore, this approach demonstrated performance nearly comparable to those of supervised learning-based methods trained using manually collected and constructed domains.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xzn1123应助wodetaiyangLLL采纳,获得10
1秒前
lixinyue完成签到 ,获得积分10
11秒前
JamesPei应助研友_LN32Mn采纳,获得10
14秒前
快乐的幼丝完成签到 ,获得积分10
17秒前
我独舞完成签到 ,获得积分10
19秒前
蟲先生完成签到 ,获得积分10
19秒前
24秒前
复杂觅山完成签到 ,获得积分10
24秒前
胜胜糖完成签到 ,获得积分10
25秒前
幸运草完成签到 ,获得积分10
28秒前
stiger完成签到,获得积分10
31秒前
昵称吧完成签到 ,获得积分10
32秒前
lilylwy完成签到 ,获得积分10
35秒前
36秒前
胖胖完成签到 ,获得积分10
41秒前
然后发布了新的文献求助10
42秒前
回首不再是少年完成签到,获得积分0
43秒前
科研通AI2S应助刘隅采纳,获得10
44秒前
CYL完成签到 ,获得积分10
46秒前
Reader01完成签到 ,获得积分10
50秒前
kk完成签到 ,获得积分10
56秒前
香蕉觅云应助然后采纳,获得10
56秒前
马香芦完成签到,获得积分10
59秒前
美满的皮卡丘完成签到 ,获得积分10
1分钟前
科研张完成签到 ,获得积分10
1分钟前
小马完成签到 ,获得积分10
1分钟前
鬼见愁应助科研通管家采纳,获得10
1分钟前
在水一方应助科研通管家采纳,获得10
1分钟前
1分钟前
科研通AI2S应助刘隅采纳,获得10
1分钟前
研友_LN32Mn发布了新的文献求助10
1分钟前
缺粥完成签到 ,获得积分10
1分钟前
莫冰雪完成签到 ,获得积分10
1分钟前
EVEN完成签到 ,获得积分10
1分钟前
zwzxtx完成签到 ,获得积分10
1分钟前
Huang完成签到 ,获得积分0
1分钟前
ryan1300完成签到 ,获得积分10
1分钟前
Amikacin完成签到,获得积分10
1分钟前
烟熏妆的猫完成签到 ,获得积分10
1分钟前
Diligency完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921