LDA-GAN: Lightweight domain-attention GAN for unpaired image-to-image translation

图像翻译 翻译(生物学) 计算机科学 光学(聚焦) 图像(数学) 人工智能 块(置换群论) 领域(数学分析) 发电机(电路理论) 计算机视觉 图像质量 模式识别(心理学) 数学 数学分析 生物化学 化学 信使核糖核酸 基因 物理 几何学 功率(物理) 量子力学 光学
作者
Jin Zhao,Feifei Lee,Chunyan Hu,Hongliu Yu,Chen Qiu
出处
期刊:Neurocomputing [Elsevier]
卷期号:506: 355-368 被引量:9
标识
DOI:10.1016/j.neucom.2022.07.084
摘要

Recently, image-to-image translation has attracted the interest of researchers, which purpose is to learn a mapping between two image domains. However, image translation will become an intrinsically ill-posed problem when given unpaired training data, that is, there are infinite mappings between two domains. Existing methods usually fail to learn a relatively accurate mapping, leading to poor quality of generated results. We believe that if the framework can focus more on the translation of important object regions instead of irrelevant information, such as background, then the difficulty of mapping learning will be reduced. In this paper, we propose a lightweight domain-attention generative adversarial network (LDA-GAN) for unpaired image-to-image translation, which has fewer parameters and lower memory usage. An improved domain-attention module (DAM) is introduced to establish a long-range dependency between two domains. Thus, the generator can focus more on the relevant regions to generate more realistic images. Furthermore, a novel separable-residual block (SRB) is designed to retain depth and spatial information during the translation with a lower computational cost. Extensive experiments show the effectiveness of our model on various image translation tasks according to qualitative and quantitative evaluation.
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
1秒前
1秒前
mimi发布了新的文献求助30
3秒前
董璐发布了新的文献求助10
3秒前
5秒前
火星上的沛春完成签到,获得积分10
5秒前
5秒前
羞涩的萃完成签到,获得积分10
5秒前
5秒前
真实的代丝完成签到,获得积分10
7秒前
shubiao发布了新的文献求助10
7秒前
keyantong完成签到 ,获得积分10
8秒前
8秒前
8秒前
dominate发布了新的文献求助10
9秒前
cjypdf完成签到,获得积分10
10秒前
11秒前
moxuyio完成签到,获得积分10
11秒前
11秒前
斯文败类应助蛋花肉圆汤采纳,获得10
13秒前
jia发布了新的文献求助10
13秒前
科研通AI2S应助家湘采纳,获得30
13秒前
tuanheqi应助酷酷从雪采纳,获得80
13秒前
金燕子完成签到 ,获得积分0
14秒前
肥而不腻的羚羊完成签到,获得积分10
14秒前
朴素亦云完成签到 ,获得积分10
15秒前
华仔应助mimi采纳,获得10
16秒前
krito发布了新的文献求助10
16秒前
owoow发布了新的文献求助10
17秒前
沈吃俭用完成签到,获得积分20
18秒前
Orange应助cpuczy采纳,获得10
18秒前
st完成签到,获得积分20
18秒前
19秒前
白玫瑰完成签到,获得积分10
19秒前
zhaogz完成签到,获得积分10
20秒前
葡萄成熟发布了新的文献求助10
20秒前
21秒前
21秒前
21秒前
abner发布了新的文献求助10
21秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
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 3137360
求助须知:如何正确求助?哪些是违规求助? 2788429
关于积分的说明 7786365
捐赠科研通 2444582
什么是DOI,文献DOI怎么找? 1300002
科研通“疑难数据库(出版商)”最低求助积分说明 625695
版权声明 601023