引言
笔者前两天看到了这篇文章，因为最近也一直在看这方面就写篇博客记录一下。
这篇文章主要是结合了Attention机制来做的Object Transfiguration
Object Transfiguration
用传统的GAN网络做Object Transfiguration 时一般有两个步骤：
- 检测感兴趣的目标
- 将检测到的目标转换到另一个域
于是作者将这中传统的生成网络，分成了两个网络：
- Attention network
- Object Transfiguration network
其中Attention network 用于提供稀疏的Attention maps，Object Transfiguration network做域转换，之后在将两个网络的输出进行合成得到最终的output。
Model
此模型包含三个部分A(for Attention),T(for Transfiguration ),D(for Discriminator)。
其中的Transfiguration指域转换。
Pipeline
Branch One
- 输入一个X域的图像x
- 通过A得到一个和x同纬度的score map(0-1),得分高的作为Attention，低的作为背景
Branch Two
- T将x转换到Y域
之后使用一个分成操作（layered operation）得到最后的图像。
公式
这里G主要是从X域到Y域的一个转换，F为从Y域到X的转换，这使用到了LSGAN的方法。
这里作者还提到，生成图像的背景和原图的背景差异很大导致cycle consistency loss 很难到0，但在作者的方法中，因为A(x)提供了一个mask，将图片分为interest(可以理解为前景)和background两个部分，而背景部分不会被转换，所以作者方法的cycle consistency loss可以收敛到0。
Attention Losses
和cycle consistency 相似，X域中x的Attention map和由x转换到Y域中y的Attention map应该是一致的。即：
所以，作者提出的attention cycle-consistent loss如下：
为了使Attention network更专注于和感兴趣的目标有关的小区域（为了使attention 更精确），加入了以下 sparse loss
整体的loss为：
其中前三项的定义为LSGAN中的定义：
训练就还是使用GAN的minmax训练。
Extra Supervision
作者提到在某些数据集，我们可以很容易的获取到segmentation annotations 时，就可以在Attention network训练时加入segmentation label作为监督。
此时attention loss就变为：
其中m为segmentation label。
整个Loss就变为
不再需要之前的公式7和8
实验结果
结语
更多的细节可以看论文，论文地址
感觉看完细节方面还是有点不清楚，一直想看看源码，但是目前作者还没有放出来。
总的感觉该文章和Self Attention GAN有点像，都是使用了一个Attention mask。
笔者目前对Attention的东西还不是很熟，之后还会多看看这方面的东西。
