本周学习汇报

《Bridging the Gap between Label- and Reference-based Synthesis in Multi-attribute Image-to-Image Translation》（ICCV2021）^[1]

《LSC-GAN: Latent Style Code Modeling for Continuous Image-to-image Translation》^[2]

Code of BridgeGAN^[3]

1. 关于label-based与reference-based图像翻译(I2IT)问题

  当前主要有两种I2I方式，一是基于标签的图像生成，即输入图像+label（如微笑、发色等）到模型中，以得到根据label输出的生成图像；另一种是基于参考图像的生成，即输入图像+reference图像到模型中，以得到输入图像与参考图像混合样式的生成图像。文章考虑综合两种图像生成的方式，使其互相引导，以得到效果的提升。

详细内容

2. 关于连续域的图像生成问题——LSC-GAN

  当前I2I工作主要在离散域上进行操作（如CycleGAN、StarGAN），而缺少对连续域的研究，不同域之间的相关性常常被忽略，生成图像的多样性不佳，而实际上，标签映射的特定属性往往不是分散的，它们往往被描述为一个连续的数值。本文旨在建立一个模型，实现图像的连续域之间的转换。

详细内容

3. 其他

• 工程数学：Hermite矩阵、标准正交基、Schmidt方法、幂等矩阵、正交投影等；
• 网络安全：公钥加密；
• 高级算法分析：NP完全问题；
• 高级机器学习：聚类；
• 高级人机交互技术： Remote and Collaborative Virtual Reality Experiments via
  Social VR Platforms

4. 下周计划

1. 了解并整理关于I2IT的目前相关研究进度。
2. 继续学习相关论文。
3. 完成算法课课程作业。

参考：

1. https://arxiv.org/abs/2110.05055 ↩
2. https://arxiv.org/abs/2110.05052 ↩
3. https://github.com/huangqiusheng/BridgeGAN ↩