对图像到图像翻译的监督(I2I)任务很难通过,但对所产生的质量产生重大影响。在本文中,我们观察到,对于许多无人监督的I2I(UI2I)方案,一个域更熟悉另一个域,并且提供域的域名先前知识,例如语义分割。我们争辩说,对于复杂的场景,弄清楚域的语义结构很难,特别是没有监督,而是一个成功的I2i操作的重要组成部分。因此,我们介绍了两种技术,以便在翻译质量的好处结合这种无价值的域的现有知识:通过一种新的多流生成器架构,并通过基于语义分段的正则化损耗术语。从本质上讲,我们根据语义掩模提出分离输入数据,明确地将网络引导到图像的不同区域的不同行为。此外,我们提出培训语义分段网络以及翻译任务,并将其作为提高稳健性的损耗术语利用。我们验证了我们对城市数据的方法,展示了将Day Images转换为夜间图像的挑战UI2i任务的卓越品质。此外,我们还展示了如何使用我们的增强图像加强目标数据集,从而提高了诸如经典检测之类的下游任务的培训。
translated by 谷歌翻译