既存の単一画像翻訳モデルが生成する画像の品質低下や詳細特徴の不足という問題を解決するために、本論文では多尺度密集特徴融合に基づく単一画像翻訳モデルを提案する。本モデルはまず多尺度ピラミッド構造の考え方を借用し、元画像と目的画像をダウンサンプリングして異なるサイズの入力画像を得る。次に生成器内で異なるサイズの画像を密集特徴モジュールに入力してスタイル特徴を抽出し、抽出したスタイル特徴を元画像から目的画像に移行する。判別器との絶え間ない対抗によって必要な翻訳画像を生成する。最後に本論文では進行的成長生成器訓練方式を採用し、訓練の各段階で密集特徴モジュールを増加させることにより、生成画像のグローバルスタイルからローカルスタイルへの移行を実現する。本論文は様々な教師なし画像間翻訳タスクに広範な実験を行い、その結果、既存の方法と比較して訓練時間が75％短縮され、生成画像のSIFID値は平均22.18％低減した。本モデルはソースドメインとターゲットドメイン間の分布差異をより良く捉え、画像翻訳の品質を向上させることができる。

単一画像翻訳;画像スタイル転移;生成対抗ネットワーク;密集特徴融合;多尺度構造