[CVPR2018]StarGAN:Unified Generative Adversarial Networks for Multi-Domain ImagetoImage Translation

CVPR 2018 ORAL

首先要解釋一下domain的定義：這裡的domain是指針對數據集中的attribute，根據attribute來劃分的，比如就性別這個attri而言，男是一個domain，女是一個，相對於發色而言，金髮是一個domain，黑髮是一個domain。

隨後作者提出，如果要cross domain來訓練gan，太麻煩了，n 個domain需要n(n-1)個translator，作者在這裡提出的就是一個可以解決multiple domain translation 的translator。

Objective：

Adversarial Loss：這部分設計無太多新意。

Domain Classification Loss：

簡言之，分成了兩個部分，第一個部分負責在D講real img classify到正確domain label，第二個部分，則是負責激勵G將fake img向target domain label靠近。

Reconstruction Loss：簡言之，就是cycleGAN採用的那種loss，具體請參見cycleGAN，是為了保證cross-domain過程中只更改我們想要更改的部分。

A novel training trick:

作者