论文X-gan:Unsupervised Image-to-Image Translation for Many-to-Many Mappings

风格迁移网络 Xgan

之前我在采用cyclegan进行数据集风格迁移的过程中遇到挑战后，在近期阅读有关X Gan论文后发现其创新性主要体现在采用了语义一致性损失（Semantic Consistency Loss）这一技术替代掉Cyclegan中基于逐像素循环一致性计算的方法。这种改进使得模型在保留语义特征层面上更加高效精准而非仅依赖于像素级别的细节处理。

该网络损失函数为：
L\textsubscript{xgan}由以下公式给出：
L = L\textsubscript{rec} + \omega_d L\textsubscript{dann} + \omega_s L\textsubscript{sem}} + \omega_g L\textsubscript{gan}} + \omega_t L\textsubscript{teach}}

仍在深入学习中。