视频 | 两分钟论文：从冬天回到夏天，英伟达的迁移网络能派上用场

雷锋字幕组出品系列短视频《 2 分钟论文 》，带大家用碎片时间阅览前沿技术，了解 AI 领域的最新研究成果。

本期论文：Unsupervised Image-to-Image Translation Networks

论文译名：无监督以图生图(图到图迁移网络)

英伟达推出的新技术无监督图到图迁移网络，可以根据已有的图像，创造出不同场景下的新图像。比如，把冬天变成夏天，把城市照片换成城市地图，将白天公路换成夜间公路。

这种技术的一种典型实现方式是使用生成对抗网络（Generative Adversarial Networks，简称GANS）。GANS是一对神经网络，其中的生成网络负责生成合成图像以欺骗判别网络，而判别网络尝试区分生成器生成的合成图像和真实图像。

这两个神经网络共同学习，其中生成网络尝试生成更真实的图像以欺骗判别网络，而判别网络则尝试着能更好的区分真实图像和合成图像。这个对抗过程将使得这两个网络变得越来越好，最终的结果也表明了该技术生成的转化图相当真实。

▷ 观看论文解读大概需要  4  分钟

在本视频介绍的论文中，作者使用了6个网络而不是2个网络。在一项早期的图像转化工作中，研究者依靠的是循环一致性约束。这意味着我们可以假设源图像可以被转换成目标图像，而目标图像可以再反过来转换成和源图像十分相似的图像。该假设的成立意味着，图像转化并非任意随机，而是隐含了深层次的算法转换。

这项新技术构建在一个假设上，假定存在一个隐空间，在这个隐空间中输入和输出图像可以共存。这个隐空间便是复杂数据的一种直观、简洁的描述。但该技术仍然存在的局限是，训练过程过度依赖对抗网络，没有显在的训练指标，训练过程收敛的临界点自然无从得知。

冬天变成夏天

哈士奇变成柯基

现实世界视频转变成游戏视频

还可以给人换个发型或是戴上墨镜，甚至加个笑容

论文原址：

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

https://github.com/mingyuliutw/UNIT

翻译/ 邓玉恺    整理/ 孙云  凡江

————— 新人福利 —————

关注AI 科技评论，回复 1 获取

【数百 G 神经网络 / AI / 大数据资源，教程，论文】

—————  AI 科技评论招人了  —————

AI 科技评论期待你的加入，和我们一起见证未来！

现诚招学术编辑、学术兼职、学术外翻

详情请点击招聘启事

—————  给爱学习的你的福利  —————

CCF ADL 系列又一诚意课程

两位全球计算机领域Top 10大神加盟

——韩家炜 & Philip S Yu

共13位专家，覆盖计算机学科研究热点

点击阅读原文马上听课

▼▼▼

————————————————————