【CVPR2018】GAN相關論文彙總
CVPR彙總其他入口：
CVPR18 Detection文章選介（上）
CVPR18 Detection文章選介（下）
CVPR 2018 Person Re-ID相關論文
CVPR 2018 論文解讀集錦（持續更新）
CVPR2018 Visual Tracking 部分文章下載
1. 數目統計：
風格遷移/cycleGAN/domain adaptation
13篇
去霧/去遮擋/超畫素重建/Photo Enhancement
7篇
GAN最佳化
6篇
影象合成
10篇
人臉相關
7篇
姿態相關
4篇
行人重識別
3篇
其他類
<3篇
2. 分析：
今年GAN的山頭還是被domain adaptation和CycleGAN相關研究拿下，除此之外，影象合成和視覺病態問題也是GAN應用熱點，人臉，行人識別異軍突起，說明落地型工作開始增多。剩下幾篇都屬於挖坑型工作。
下面是正文，一己之力，難以覆蓋全域性，如有遺漏或者錯分的地方，歡迎提醒！！
—————————————————————————
風格遷移/cycleGAN/domain adaptation：
1.PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup：
Huiwen Chang （）； Jingwan Lu （Adobe Research）； Fisher Yu （UC Berkeley）； Adam Finkelstein （Princeton Univ。）
2.CartoonGAN: Generative Adversarial Networks for Photo Cartoonization：
Yang Chen （Tsinghua Univ。）； Yu-Kun Lai （Cardiff Univ。）； Yong-Jin Liu （）
3.StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation：
Yunjey Choi （Korea Univ。）； Minje Choi （Korea Univ。）； Munyoung Kim （College of New Jersey）； Jung-Woo Ha （NAVER）； Sunghun Kim （Hong Kong Univ。 of Science and Technology）； Jaegul Choo （Korea Univ。）
4.Generate to Adapt: Aligning Domains Using Generative Adversarial Networks:
Swami Sankaranarayanan （Univ。 of Maryland）； Yogesh Balaji （Univ。 of Maryland）； Carlos D。 Castillo （）； Rama Chellappa （Univ。 of Maryland）
5.Re-Weighted Adversarial Adaptation Network for Unsupervised Domain Adaptation：
Qingchao Chen （Unviersity College London）； Yang Liu （Univ。 of Cambridge）； Zhaowen Wang （Adobe）； Ian Wassell （）； Kevin Chetty （）
6.Multi-Content GAN for Few-Shot Font Style Transfer：
Samaneh Azadi （UC Berkeley）； Matthew Fisher （Adobe）； Vladimir G。 Kim （Adobe Research）； Zhaowen Wang （Adobe）； Eli Shechtman （Adobe Research）； Trevor Darrell （UC Berkeley）
7.DA-GAN: Instance-Level Image Translation by Deep Attention Generative Adversarial Networks：
Shuang Ma （SUNY Buffalo）； Jianlong Fu （）； Chang Wen Chen （）； Tao Mei （）
8.Adversarial Feature Augmentation for Unsupervised Domain Adaptation：
Riccardo Volpi （Istituto Italiano di Tecnologia）； Pietro Morerio （Istituto Italiano di Tecnologia）； Silvio Savarese （）； Vittorio Murino （Istituto Italiano di Tecnologia）
9.Domain Generalization With Adversarial Feature Learning：
Haoliang Li （Nanyang Technological Univ。）； Sinno Jialin Pan （Nanyang Technological Univ。）； Shiqi Wang （City Univ。 of Hong Kong）； Alex C。 Kot （）
10：Image to Image Translation for Domain Adaptation：
Zak Murez （UC San Diego）； Soheil Kolouri （HRL Laboratories）； David Kriegman （UC San Diego）； Ravi Ramamoorthi （UC San Diego）； Kyungnam Kim （HRL Laboratories）
11.Partial Transfer Learning With Selective Adversarial Networks：
Zhangjie Cao （Tsinghua Univ。）； Mingsheng Long （Tsinghua Univ。）； Jianmin Wang （）； Michael I。 Jordan （UC Berkeley）
12.Duplex Generative Adversarial Network for Unsupervised Domain Adaptation：
Lanqing Hu （ICT， CAS）； Meina Kan （）； Shiguang Shan （Chinese Academy of Sciences）； Xilin Chen （）
13.Conditional Generative Adversarial Network for Structured Domain Adaptation：
Weixiang Hong （Nanyang Technological Univ。）； Zhenzhen Wang （Nanyang Technological Univ。）； Ming Yang （Horizon Robotics）； Junsong Yuan （Nanyang Technological Univ。）
去霧/去遮擋/超畫素重建/Photo Enhancement ：
1.Single Image Dehazing via Conditional Generative Adversarial Network：
Runde Li （Nanjing Univ。 of Science and Technology ）； Jinshan Pan （UC Merced）； Zechao Li （Nanjing Univ。 of Science and Technology ）； Jinhui Tang （）
2.DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks：
Orest Kupyn （Ukrainian Catholic Univ。）； Volodymyr Budzan （Ukrainian Catholic Univ。）； Mykola Mykhailych （Ukrainian Catholic Univ。）； Dmytro Mishkin （Czech Technical Univ。）； Jiří Matas （）
3.Deep Photo Enhancer: Unpaired Learning for Image Enhancement From Photographs With GANs：
Yu-Sheng Chen （National Taiwan Univ。）； Yu-Ching Wang （National Taiwan Univ。）； Man-Hsin Kao （National Taiwan Univ。）； Yung-Yu Chuang （National Taiwan Univ。）
4.SeGAN: Segmenting and Generating the Invisible：
Kiana Ehsani （Univ。 of Washington）； Roozbeh Mottaghi （Allen Institute for AI）； Ali Farhadi （Allen Institute for AI， Univ。 of Washington）
5.Image Blind Denoising With Generative Adversarial Network Based Noise Modeling：
Jingwen Chen （Sun Yat-sen Univ。）； Jiawei Chen （Sun Yat-sen Univ。）； Hongyang Chao （Sun Yat-sen Univ。）； Ming Yang （）
6.Attentive Generative Adversarial Network for Raindrop Removal From a Single Image：
Rui Qian （Peking Univ。）； Robby T。 Tan （Yale-NUS College； National Univ。 of Singapore）； Wenhan Yang （Peking Univ。）； Jiajun Su （Peking Univ。）； Jiaying Liu （Peking Univ。）
7.Stacked Conditional Generative Adversarial Networks for Jointly Learning Shadow Detection and Shadow Removal：
Jifeng Wang （Nanjing Univ。 of Science and Technology）； Xiang Li （Nanjing Univ。 of Science and Technology）； Jian Yang （Nanjing Univ。 of Science and Technology）
GAN最佳化：
1.SGAN: An Alternative Training of Generative Adversarial Networks：
Tatjana Chavdarova （Idiap and EPFL）； François Fleuret （Idiap Research Inst。）
2.Multi-Agent Diverse Generative Adversarial Networks:
Arnab Ghosh （Univ。 of Oxford）； Viveka Kulharia （Univ。 of Oxford）； Vinay P。 Namboodiri （Indian Inst。 of Technology Kanpur）； Philip H。S。 Torr （Oxford）； Puneet K。 Dokania （Univ。 of Oxford）
3.Generative Adversarial Image Synthesis With Decision Tree Latent Controller：
Takuhiro Kaneko （NTT）； Kaoru Hiramatsu （NTT）； Kunio Kashino （NTT）
4.Unsupervised Deep Generative Adversarial Hashing Network：
Kamran Ghasedi Dizaji （Univ。 of Pittsburgh）； Feng Zheng （Univ。 of Pittsburgh）； Najmeh Sadoughi （UT Dallas）； Yanhua Yang （Xidian Univ。）； Cheng Deng （Xidian Univ。）； Heng Huang （Univ。 of Pittsburgh）
5.Global Versus Localized Generative Adversarial Nets：
Guo-Jun Qi （Univ。 of Central Florida）； Liheng Zhang （Univ。 of Central Florida）； Hao Hu （Univ。 of Central Florida）； Marzieh Edraki （Univ。 of Central Florida ）； Jingdong Wang （Microsoft Research）； Xian-Sheng Hua （Microsoft Research）
6.GAGAN: Geometry-Aware Generative Adversarial Networks：
Jean Kossaifi （Imperial College London）； Linh Tran （Imperial College London）； Yannis Panagakis （）； Maja Pantic （Imperial College London）
影象合成：
1.ST-GAN: Spatial Transformer Generative Adversarial Networks for Image Compositing：
Chen-Hsuan Lin （Carnegie Mellon Univ。）； Ersin Yumer （Argo AI）； Oliver Wang （Adobe）； Eli Shechtman （Adobe Research）； Simon Lucey （）
2.SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis：
Wengling Chen （Georgia Inst。 of Technology）； James Hays （Georgia Tech）
3.Translating and Segmenting Multimodal Medical Volumes With Cycle- and Shape-Consistency Generative Adversarial Network：
Zizhao Zhang （Univ。 of Florida）； Lin Yang （）； Yefeng Zheng （Simens ）
4.High-Resolution Image Synthesis and Semantic Manipulation With Conditional GANs：
Ting-Chun Wang （NVIDIA）； Ming-Yu Liu （NVIDIA）； Jun-Yan Zhu （UC Berkeley）； Andrew Tao （NVIDIA）； Jan Kautz （NVIDIA）； Bryan Catanzaro （NVIDIA）
5.TextureGAN: Controlling Deep Image Synthesis With Texture Patches:
Wenqi Xian （）； Patsorn Sangkloy （Georgia Inst。 of Technology）； Varun Agrawal （）； Amit Raj （Georgia Inst。 of Technology）； Jingwan Lu （Adobe Research）； Chen Fang （Adobe Research）； Fisher Yu （UC Berkeley）； James Hays （Georgia Tech）
6.Eye In-Painting With Exemplar Generative Adversarial Networks：
Brian Dolhansky （Facebook）； Cristian Canton Ferrer （Facebook）
7.Photographic Text-to-Image Synthesis With a Hierarchically-Nested Adversarial Network：
Zizhao Zhang （Univ。 of Florida）； Yuanpu Xie （Univ。 of Florida）； Lin Yang （）
8.Logo Synthesis and Manipulation With Clustered Generative Adversarial Networks：
Alexander Sage （ETH Zürich）； Eirikur Agustsson （ETH Zürich）； Radu Timofte （ETH Zürich）； Luc Van Gool （ETH Zürich）
9.Cross-View Image Synthesis Using Conditional GANs：
Krishna Regmi （Univ。 of Central Florida）； Ali Borji （Univ。 of Central Florida）
10.AttnGAN: Fine-Grained Text to Image Generation With Attentional Generative Adversarial Networks：
Tao Xu （Lehigh Univ。）； Pengchuan Zhang （）； Qiuyuan Huang （）； Han Zhang （Rutgers）； Zhe Gan （）； Xiaolei Huang （Lehigh ）； Xiaodong He （）
人臉相關：
1.Finding Tiny Faces in the Wild With Generative Adversarial Network：
Yancheng Bai （KAUST/Iscas）； Yongqiang Zhang （Harbin Inst。 of Technology/KAUST）； Mingli Ding （）； Bernard Ghanem （）
2.Learning Face Age Progression: A Pyramid Architecture of GANs：
Hongyu Yang （Beihang Univ。）； Di Huang （）； Yunhong Wang （）； Anil K。 Jain （MSU）
3.Super-FAN: Integrated Facial Landmark Localization and Super-Resolution
of Real-World Low Resolution Faces in Arbitrary Poses With GANs：
Adrian Bulat （）； Georgios Tzimiropoulos （）
4.Face Aging With Identity-Preserved Conditional Generative Adversarial Networks：
Zongwei Wang （）； Xu Tang （Baidu）； Weixin Luo （ShanghaiTech Univ。）； Shenghua Gao （ShanghaiTech Univ。）
5.Towards Open-Set Identity Preserving Face Synthesis：
Jianmin Bao （Univ。 of Science and Technology of China）； Dong Chen （Microsoft Research Asia）； Fang Wen （）； Houqiang Li （）； Gang Hua
（Microsoft Research）
6.Weakly Supervised Facial Action Unit Recognition Through Adversarial Training：
Guozhu Peng （Univ。 of Science and Technology of China）； Shangfei Wang （）
7.FaceID-GAN: Learning a Symmetry Three-Player GAN for Identity-Preserving Face Synthesis：
Yujun Shen （Chinese Univ。 of Hong Kong）； Ping Luo （Chinese Univ。 of Hong Kong）； Junjie Yan （）； Xiaogang Wang （Chinese Univ。 of Hong Kong）； Xiaoou Tang （Chinese Univ。 of Hong Kong）
人體姿態相關：
1.GANerated Hands for Real-Time 3D Hand Tracking From Monocular RGB：
Franziska Mueller （MPI Informatics）； Florian Bernard （MPI Informatics）； Oleksandr Sotnychenko （MPI Informatics）； Dushyant Mehta （MPI Informatics）； Srinath Sridhar （）； Dan Casas （MPI Informatics）； Christian Theobalt （MPI Informatics）
2.Multistage Adversarial Losses for Pose-Based Human Image Synthesis：
Chenyang Si （Inst。 of Automation， Chinese Academy of Sciences）； Wei Wang （）； Liang Wang （）； Tieniu Tan （NLPR）
3.Deformable GANs for Pose-Based Human Image Generation：
Aliaksandr Siarohin （DISI， Univ。 of Trento）； Enver Sangineto （Univ。 of Trento）； Stéphane Lathuilière （INRIA）； Nicu Sebe （Univ。 of Trento）
4.Social GAN: Socially Acceptable Trajectories With Generative Adversarial Networks：
Agrim Gupta （Stanford Univ。）； Justin Johnson （Stanford Univ。）； Li Fei-Fei （Stanford Univ。）； Silvio Savarese （）； Alexandre Alahi （EPFL）
行人重識別：
1.Person Transfer GAN to Bridge Domain Gap for Person Re-Identification：
Longhui Wei （Peking Univ。）； Shiliang Zhang （Peking Univ。）； Wen Gao （）； Qi Tian （）
2.Disentangled Person Image Generation：
Liqian Ma （KU Leuven）； Qianru Sun （MPI Informatics）； Stamatios Georgoulis （KU Leuven）； Luc Van Gool （KU Leuven）； Bernt Schiele （MPI Informatics）； Mario Fritz （MPI Informatics）
3.Image-Image Domain Adaptation With Preserved Self-Similarity and Domain-Dissimilarity for Person Re-Identification：
Weijian Deng （Univ。 of Chinese Academy）； Liang Zheng （UT San Antonio）； Qixiang Ye （）； Guoliang Kang （Univ。 of Technology Sydney）； Yi Yang （）； Jianbin Jiao （）
目標跟蹤：
1.VITAL: VIsual Tracking via Adversarial Learning：
Yibing Song （Tencent AI Lab）； Chao Ma （）； Xiaohe Wu （Harbin Inst。 of Technology）； Lijun Gong （City Univ。 of Hong Kong）； Linchao Bao （Tencent AI Lab）； Wangmeng Zuo （Harbin Inst。 of Technology）； Chunhua Shen （Univ。 of Adelaide）； Rynson W。H。 Lau （City Univ。 of Hong Kong）； Ming-Hsuan Yang （UC Merced）
2.SINT++: Robust Visual Tracking via Adversarial Positive Instance Generation：
Xiao Wang （Anhui Univ。）； Chenglong Li （Anhui Univ。）； Bin Luo （）； Jin Tang （）
目標檢測：
1.Generative Adversarial Learning Towards Fast Weakly Supervised Detection：
Yunhan Shen （Xiamen Univ。）； Rongrong Ji （）； Shengchuan Zhang （）； Wangmeng Zuo （Harbin Inst。 of Technology）； Yan Wang （Microsoft）
特徵可解釋性：
1.Visual Feature Attribution Using Wasserstein GANs：
Christian F。 Baumgartner （ETH Zürich）； Lisa M。 Koch （ETH Zürich）； Kerem Can Tezcan （ETH Zürich）； Jia Xi Ang （ETH Zürich）； Ender Konukoglu （ETH Zürich）
影象檢索：
1.HashGAN: Deep Learning to Hash With Pair Conditional Wasserstein GAN：
Yue Cao （Tsinghua Univ。）； Bin Liu （Tsinghua Univ。）； Mingsheng Long （Tsinghua Univ。）； Jianmin Wang （）
影片合成：
1.Learning to Generate Time-Lapse Videos Using Multi-Stage Dynamic Generative Adversarial Networks：
Wei Xiong （Univ。 of Rochester）； Wenhan Luo （Tencent AI Lab）； Lin Ma （Tencent AI Lab）； Wei Liu （）； Jiebo Luo （Univ。 of Rochester）
2.MoCoGAN: Decomposing Motion and Content for Video Generation：
Sergey Tulyakov （）； Ming-Yu Liu （NVIDIA）； Xiaodong Yang （NVIDIA）； Jan Kautz （NVIDIA）