從冬天回到夏天，英偉達的遷移網路能派上用場

雷鋒網：雷鋒字幕組編譯系列短視頻《 2 分鐘論文 》，帶大家用碎片時間閱覽前沿技術，了解 AI 領域的最新研究成果。

翻譯/ 鄧玉愷

整理/ 孫雲  凡江

本期論文：Unsupervised Image-to-Image Translation Networks

論文譯名：無監督以圖生圖(圖到圖遷移網路)

英偉達推出的新技術無監督圖到圖遷移網路，可以根據已有的圖像，創造出不同場景下的新圖像。比如，把冬天變成夏天，把城市照片換成城市地圖，將白天公路換成夜間公路。

這種技術的一種典型實現方式是使用生成對抗網路（Generative Adversarial Networks，簡稱GANS）。GANS是一對神經網路，其中的生成網路負責生成合成圖像以欺騙判別網路，而判別網路嘗試區分生成器生成的合成圖像和真實圖像。

這兩個神經網路共同學習，其中生成網路嘗試生成更真實的圖像以欺騙判別網路，而判別網路則嘗試著能更好的區分真實圖像和合成圖像。這個對抗過程將使得這兩個網路變得越來越好，最終的結果也表明了該技術生成的轉化圖相當真實。

觀看雷鋒網論文解讀大概需要 4 分鐘

在雷鋒網介紹的這篇論文中，作者使用了6個網路而不是2個網路。在一項早期的圖像轉化工作中，研究者依靠的是循環一致性約束。這意味著我們可以假設源圖像可以被轉換成目標圖像，而目標圖像可以再反過來轉換成和源圖像十分相似的圖像。該假設的成立意味著，圖像轉化並非任意隨機，而是隱含了深層次的演算法轉換。

這項新技術構建在一個假設上，假定存在一個隱空間，在這個隱空間中輸入和輸出圖像可以共存。這個隱空間便是複雜數據的一種直觀、簡潔的描述。但該技術仍然存在的局限是，訓練過程過度依賴對抗網路，沒有顯在的訓練指標，訓練過程收斂的臨界點自然無從得知。

冬天變成夏天

哈士奇變成柯基

現實世界視頻轉變成遊戲視頻

還可以給人換個髮型或是戴上墨鏡，甚至加個笑容

論文：https://arxiv.org/pdf/1703.00848.pdf

代碼：https://github.com/mingyuliutw/UNIT

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！