不吃萝卜

ACLGAN，ECCV2020，无监督。
问题：循环一致性，1）不必要信息的保留（因为假设生成图像要包含源域图像的所有信息） 2）限制几何改变 3）像素级的约束
框架：MUNIT。生成器包括噪声编码器、图像编码器和解码器。噪声编码器只用在计算identity loss。判别器有D_S,D_T和$\hat D$. $\hat D$是重点，用来在翻译图像中保留源域图像的重要信息。三个损失：对抗翻译损失、对抗一致性损失和identity loss。

对抗-翻译损失：$L_{adv}^{T}$针对$\overline{x}_{T}$，$L_{adv}^{S}$针对$\widehat{x}_{S}$和$\widetilde{x}_{S}$。LS损失。
对抗一致性损失：$L_{acl}$,这里采用$\hat D$。使生成器最小化联合分布（$x_{S}$，$\widehat{x}_{S}$）和（$x_{S}$，$\widetilde{x}_{S}$）之间的距离。$\widehat{x}_{S}$的判别也就使得翻译图像保留原图像的特征。由于输入噪声向量z不同，能产生多模态输出，否则这两就一样了。因此，$\hat D$聚焦在特征级别，而不是像素级别。即：

identity loss：鼓励特征保留，提升翻译图像质量，稳定训练进程，避免模式崩溃。也保证同分布里。$L_{idt}$包括两个，$x_{S}$和$x_{S}^{idt}$以及$x_{T}$和$x_{T}^{idt}$之间的L1像素级损失，其中，$x_{S}^{idt}=G_{s}(x_{S},E_{S}^{z}(x_{S})))$，另一个类似。一个对抗一致性损失和循环一致性损失的对比。如图：

Bounded focus mask：生成器生成四通道，RGB以及Bounded focus mask，它在0到1之间。$x_{T}=x_{T}'\odot x_{m}+x_{S}\odot (1-x_{m})$，损失：

解决任务：去眼镜、性别转换、动漫。
限制：1）双向效果差且工作量增加。 2）不太能解决含有复杂背景的图像转换。