Computer Computer

https://arxiv.org/pdf/1711.09020.pdf 0. Abstract 지금까지는 두 도메인 사이의 image-to-image translation이 성공적으로 이루어 졌고, 이미지 도메인의 각각의 pair에는 독립적으로 다른 model이 존재해야 했다. 하지만, StarGAN은 하나의 모델로 다양한 도메인 사이의 image-to-image translation이 가능하게 한다. 이러한 StarGAN의 통합된 모델 구조는 하나의 네트워크에서 다른 도메인인 여러개의 데이터 셋이 동시에 학습하겠끔 해준다. - facial attribute transfer - facial expression synthesis task 1.Introduction 두 개의 다른 도메인으로부터의 학습 데이터로 부터..

1. Introduction deblurring을 image-to-image translation의 특별한 경우로 다룰 것이다. DeblurGAN은 conditional generative adversarial networks와 multi-component loss function을 base로 한 접근 방법이다. 이전의 다른 모델과 달리, DeblurGAN은 gradient penalty와 perceptual loss와 함께 Wasserstein GAN을 사용합니다. 3 contribution we propose a loss and architecture. 5x faster than the fastest competitor. we present a method based on random trajecto..