作者 | 中国科学院、北京航空航天大学、百度研究院团队译者 | 凯隐编辑 | 夕颜出品 | AI科技大本营（ID: rgznai100）

导读：生成对抗网络（GAN）是近年大热的深度学习模型，中国科学院相关团队注意到，在多领域图片转换任务中，生成图片中会残留一些源类别特征，通俗来讲就是和输入源图片或多或少都有相似之处。针对这个问题，中国科学院、北京航空航天大学、百度研究院团队联合提出了一个神奇的 UGAN 模型，它可以去除生成图片中保留的源类别信息，使得生成图片的源类别变得更加难以追踪，即让生成图片的伪装性更强，掩盖原图片的“遗传”信息，使其看起来与源图相似性变弱，甚至完全不相同。

什么是多领域图像转换？

图像转换代表一类视觉和图像问题，主要目的是学习输入图像从一个类别域到另一个类别域的转换，例如表情转换，输入人脸面无表情的图像，输出该人脸在生气、开心、难过、害怕等一系列表情下对应的图像。风格转换，输出原始图片在不同亮度、光照等风格下的转换图片。通常每一中类型的转换都需要一个专门的模型去处理（例如 CycleGAN[1]），这样做非常低效，StarGAN[2] 进一步实现了用统一的框架来完成多个不同领域之间的转换，即多领域图像转换。

生成图片的源特征残留问题

类似 StarGAN 的多领域图像转换模型，得到的生成图片（translated images）往往会保留原始类别的特征，因此，本文提出了 Untraceble GAN(UGAN)，即无法溯源的GAN模型，能解决源特征残留问题，如下图所示：               图1 UGAN和StarGAN的对比效果图 在年龄转换（Aging），化妆风格转换（makeup），表情转换（Expression）三个不同的任务中，UGAN 的转换程度都要比StartGAN更彻底，例如在年龄转换中，StarGAN 的结果看起来仍然像成年人而 UGAN 的结果更像小孩。这表明 UGAN 在生成目标类别特征的同时，还能去除原始特征，这使得生成图片的源类别变得更加难以追踪。在结构上，UGAN 额外包含了一个源类别分类器，用来判别生成图片从哪个源类别转换而来，这有助于了解生成图片是否保留了源类别的特征。

UGAN 网络结构

图2 UGAN 网络结构 网络结构如图 2，输入数据的是源图像和目标类别（Target Condition），首先经过转换器 G 得到生成图片（Output Image），之后再和源类别信息（Source Condition）以及真实图片（Real Image）一起输入到判别网络 D 中。不同于传统 GNN，判别网络 D 需要连接两个分类器（黄色模块），不仅需要真实性判别器（Authenticity Classifier）来判断图片是真实图片还是生成图片，还需要通过源类别分类器（Source Cclassifier）来确定生成图片对应的输入图片的类别（源类别）。 此外，生成图片和源类别还作为转换器 G 的输入，用于重构源输入图片。因此，转换器 G 由三部分监督：首先通过训练 G 来迷惑判别模型 D 的真实性判别器，这是生成对抗网络的基本功能；接着根据生成图片和源类别，来训练 G 重构输入图片，这是为了保证网络的循环稳定性[1]；最后训练 G 来迷惑源类别分类器，让其相信生成图片的是从目标类别转换而来的，这是为了进一步去除生成图片中的源类别信息，使其更贴近目标类别。 由于添加了源类别作为监督信息，因此随着对抗训练的进行，生成图片能够逐渐摆脱源类别所具有的特征，而更贴近目标类别。

UGAN的三个目标函数

要通过真实性分类器，源类别分类器，图片重构器对转换器G进行监督学习，就需要设计相应的目标函数（损失函数）。

真实性分类器

对于真实性分类器 Da ，作者参考了WGAN-gp[3]中提出的对抗损失函数来限制生成图片和目标类别的联合分布：
                           
公式 1 是判别模型 D 的目标函数，公式 2 是生成器 G 的目标函数。x 和 y 代表图片和相应类别， x 和 y 都分别服从分布 q(x) 和 q(y)，公式1类似交叉熵损失函数， -Ex~q(x)[Da(x)] 表示输入图片 x 被分类正确时的奖励，相应的的第二部分表示分类成生成器输出类别时的惩罚，第三部分则是一个梯度惩罚项，通过一阶莱布尼茨函数来强化判别能力。公式2则正好是公式1取反，也就是说判别模型表现越好，生成模型表现越差。

图片重构器

训练图片重构器是为了提高网络的循环稳定性（Cycle Consistence），这一部分主要参考了工作[1]，目标函数为：                即尽量保证重构图片与原始输入图片相同，这里带下标 s 的变量表示源图片或源类型，带下标 t的表示生成图片或目标类型。

源类别分类器

训练源类别分类器 Ds 是为了解决源特征遗留的问题，对于真实的图片而言，源类别和目标类别相同，而对于生成图片，分类器应该准确识别其源类别。相反，转换器 G 就是要让分类器无法找到生成图片的真实源类别，而是将错误的类别作为其源类别。因此二者的目标函数也存在负相关的关系： 
               其中公式（4）是源类别分类器的损失函数，（5）是生成器 G 的损失函数。形式上和真实性分类器相同。然而目标类型yt的特征混合了从yt采样得到的真实图片xt以及生成图片的特征，因此生成的图片特征并不纯净，为了完全从目标类型yt来合成图片，用额外的参数C来区别真实图片和生成图片：
                           这使得 Ds 不仅能确定图片的源类别，还能判断目标图片是真实图片还是生成的假图片，相反，也使得生成器 G 生成的图片变得更加难以追踪。

最终目标函数

将各个分类器的损失函数叠加，以及对应的生成器损失函叠加，就能得到最终的目标函数：

实验步骤及结果

该团队主要在年龄转换、化妆风格转换、表情转换三个任务上开展对比实验，相应数据集是 Face aging、MAKEUP-A5 和 CFEE。由于本文主要是解决 StarGAN[2] 中存在的源特征存留问题，因此所有实验的基线对比工作都是 StarGAN。实验的评价指标有 Intra FIDs、AMT、余弦相似度。年龄转换相关实验额外添加 CAAE 和 C-GAN 作为基线对比。实验结果如下：                                                              可以看到，在各项任务和指标下，UGAN 都优于 StarGAN。此外，直观地观察生成图片，可以发现 UGAN 生成的图片更好的去除了原始输入图片的特征，具有更强的源类别特征去除能力：                UGAN 在去除源类别信息上效果显著，使得生成图片技术更加成熟，生成图像伪装性更强，为 GAN 的研究打开了新的思路。
参考论文： [1] J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros. Unpaired image to image translation using cycle-consistent adversarial networks.arXiv:1703.10593, 2017.[2] Y. Choi, M. Choi, M. Kim, J.-W. Ha, S. Kim, and J. Choo. Stargan: Unified generative adversarial networks for multidomain image-to-image translation. In CVPR, 2018.[3] I. Gulrajani, F. Ahmed, M. Arjovsky, V. Dumoulin, and A. C. Courville. Improved training of wasserstein gans. In NIPS, 2017.
原文链接：https://arxiv.org/pdf/1907.11418.pdf

(*本文为 AI科技大本营编译文章，转载请联系微信 1092722531)

◆

精彩推荐

◆

60+技术大咖与你相约 2019 AI ProCon！大会早鸟票已售罄，优惠票速抢进行中......2019 AI开发者大会将于9月6日-7日在北京举行，这一届AI开发者大会有哪些亮点？一线公司的大牛们都在关注什么？AI行业的风向是什么？2019 AI开发者大会，倾听大牛分享，聚焦技术实践，和万千开发者共成长。

推荐阅读

• 认知智能的突围：NLP、知识图谱是AI下一个“掘金地”？

• 你想见的大神都来AI ProCon 2019了，优惠票限时抢购开启！

• Python分析那些“标题党”文章

• Python之父新发文，将替换现有解析器

• 华为否认鸿蒙为噱头；谷歌公布 6 大 iOS 漏洞；极客头条

• 三次创业，三次跨界，这次凭十万行核心 C 代码登上 GitHub Top 1！

• 64%的投资者对比特币不感兴趣，那是谁投资了比特币？

你点的每个“在看”，我都认真当成了喜欢