摘要
我们提出一种简洁的架构，用于解决无配对图像到图像的转换任务，如风格迁移、类别转换、去噪、去模糊、去块效应等。该方法基于一个具有固定权重的图像自编码器架构。针对每一项任务，我们在隐空间中学习一个残差块，通过迭代调用该残差块，直至达到目标域。为缓解迭代过程中的指数累积效应，需采用特定的训练策略。在测试阶段，该方法具有多项优势：参数量有限，且其可组合式设计允许通过调整迭代次数来调控变换的强度。这一特性在实际应用中尤为有用，例如当待抑制的噪声类型或强度事先未知时。实验结果表明，该方法在多种图像转换任务中均展现出良好的有效性。在性能方面，我们的模型在显著减少参数量的同时，表现可与CycleGAN相媲美甚至更优。