解读CVPR2020图像翻译最新算法

图像翻译是当前计算机视觉领域的研究热点，相比于自然语言翻译，它将输入图像的表达转化为另一种表达，在图像创作、图像风格化、图像修复、域自适应学习等领域有着广泛应用。但现有技术通常仅能产生合理的目标域图像，如何控制图像的具体风格呢？

图图今天推荐的“学霸说”提供了一个解决方案。本期学霸是来自中科大与微软亚洲研究院视觉计算组联合培养的张攀博士，报告内容来自微软亚洲研究院视觉计算组在CVPR2020 Oral论文“Cross-domain Correspondence Learning for Exemplar-based Image Translation”。

CVPR2020 Oral Paper

题目：Cross-domain Correspondence Learning for Exemplar-based Image Translation

作者：张攀，张博，陈栋，袁路，闻芳

论文链接：

https://arxiv.org/abs/2004.05571

项目网址：

https://panzhang0212.github.io/CoCosNet/

论文提出了基于范例的图像翻译技术 CoCosNet，能够建立原域图与目标域范例图像的密集对应，使生成图片精细匹配范例图片风格。

张攀用54页PPT，详细地讲解了CoCosNet这一图像翻译技术。快来了解学霸的最新成果吧~

文末有获取PPT方式！

作者简介

第一作者

 张攀

张攀，中科大与微软亚洲研究院联合培养在读博士，主要研究方向为图像生成，域适应，人脸识别。

个人主页：https://panzhang0212.github.io/

E-mail：[email protected]

张博，微软亚洲研究院计算视觉组研究员，主要研究方向为计算摄影学，图像生成，低层视觉，智能成像系统。

个人主页：https://www.microsoft.com/en-us/research/people/zhanbo/

E-mail：[email protected]

陈栋，微软亚洲研究院计算视觉组首席研究经理，主要研究方向为人脸检测、校准、识别，姿态估计，行人重识别，生成对抗网络。

个人主页：https://www.microsoft.com/en-us/research/people/doch/

E-mail：[email protected]

袁路，微软亚洲研究院计算视觉组首席研究经理，主要研究方向为计算机视觉，机器学习，计算摄影学。

个人主页：https://www.microsoft.com/en-us/research/people/luyuan/

E-mail：  [email protected]

闻芳，微软亚洲研究院计算视觉组首席研究经理，主要研究方向为计算机视觉。

个人主页：https://www.microsoft.com/en-us/research/people/fangwen/

E-mail：  [email protected]