最大空间扰动一致性：非成对图像间平移的新型正则化技术

"本文主要探讨了非成对图像间平移的最大空间扰动一致性问题，提出了一个新的正则化技术——最大空间扰动构造（MSPC），以解决图像到图像翻译（I2I）中的空间变化挑战。MSPC强制空间扰动函数与平移算子可交换，同时引入两种对抗性训练组件来优化空间扰动函数。这种方法在多个I2I基准测试中表现出色，并且创建了一个新的正面到侧面人脸数据集以检验现实世界应用中的潜在问题。作者还进行了消融实验，分析了方法对空间扰动程度的敏感性和分布对齐的有效性。" 非成对图像到图像翻译（I2I）任务是一个棘手的问题，因为缺乏配对数据使得找到将源域映射到目标域的精确转换非常困难。为了克服这一难题，研究者们提出了一系列约束条件，如循环一致性（CycleGAN）、几何一致性（GCGAN）和对比学习约束（CUTGAN）。然而，这些方法在处理源域和目标域之间存在显著空间变化的情况时，可能会导致内容失真。 文章的核心贡献是提出了最大空间扰动构造（MSPC）正则化技术。MSPC的基本思想是使空间扰动函数（T）和平移算子（G）可交换，确保转换过程的稳定性。通过这种方式，MSPC可以更好地处理因物体大小变化、物体失真、背景中断等因素引起的空间变化。 为了实现这一目标，作者引入了两个对抗性训练组件。第一个组件让T和G互相竞争，以最大化空间扰动，从而增强模型的灵活性。第二个组件则让G和T与鉴别器一起对抗，以适应各种空间变化情况，保持内容的准确性和一致性。 实验结果显示，采用MSPC方法的I2I模型在标准基准测试中表现出色，超越了现有的先进方法。此外，作者还创建了一个新的正面到侧面人脸数据集，用以评估I2I在实际应用中的表现和挑战。通过消融实验，他们分析了MSPC对空间扰动程度的敏感性以及分布对齐的有效性，进一步证明了该方法的有效性。 这项工作为解决非成对图像翻译中的空间一致性和内容保真性问题提供了一个强大且通用的解决方案，对于推动I2I领域的进步有着重要的意义。