Mechanisms of Generative Image-to-Image Translation Networks

要約

Generative Adversarial Networks (GAN) は、画像から画像への変換の分野で広く使用されているニューラル ネットワークの一種です。
この論文では、既存のモデルと比較してより単純なアーキテクチャを備えた合理化された画像間変換ネットワークを提案します。
GAN とオートエンコーダーの関係を調査し、画像変換を伴うタスクに GAN コンポーネントのみを使用することの有効性について説明します。
GAN モデルの敵対的手法により、追加の複雑な損失ペナルティなしで既存の手法と同等の結果が得られることを示します。
続いて、この現象の背後にある理論的根拠を説明します。
また、調査結果の妥当性を証明するために実験結果も取り入れています。

要約(オリジナル)

Generative Adversarial Networks (GANs) are a class of neural networks that have been widely used in the field of image-to-image translation. In this paper, we propose a streamlined image-to-image translation network with a simpler architecture compared to existing models. We investigate the relationship between GANs and autoencoders and provide an explanation for the efficacy of employing only the GAN component for tasks involving image translation. We show that adversarial for GAN models yields results comparable to those of existing methods without additional complex loss penalties. Subsequently, we elucidate the rationale behind this phenomenon. We also incorporate experimental results to demonstrate the validity of our findings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google