StarGAN v2: Diverse Image Synthesis for Multiple Domains

StarGAN v2: Diverse Image Synthesis for Multiple Domains论文阅读
Github（包含代码、数据集、与训练模型）：https://github.com/clovaai/stargan-v2

关键词：multiple domains，

主要贡献：

1. 改进了StarGAN，提出了StarGANv2，它是一个scalable的跨multiple domains的模型，将StarGAN中的domain label替换为style code。
2. mapping network将高斯分布的噪声编码为style code，style encoder从参考图片中提取style code。
3. 提出了一个新的animal faces的数据集——AFHQ，它具有高图片质量和良好的variations。

StarGAN v2

模型

令X、Y分别代表图片和domains的集合。取x∈X，随机的domain y∈Y，我们的目标是训练一个单独的generator G，它可以生成与x相对应的每个domain y内的不同的图片。我们在每个domain学习到的style空间内生成domain-specific style vector，然后训练G来反映style vector。
具体结构如下图所示：

它由四个模块组成：

1）Generator：G将输入图像x转化为输出图片G(x, s)，domain-specific style code——s由mapping network——F或者style encoder——E提供。我们使用AdaIN来将