[2021 fall] ECCV 2020 Contrastive Learning for Unpaired Image-to-Image Translation (20214396)

[HYUNMIN-HWANG]

안녕하세요. AI 대학원 석사과정 황현민입니다. 마침 CycleGAN에 관심 있었는데 관련 논문 리뷰를 읽을 수 있어 좋았습니다. 작성하신 논문 리뷰 보고 아래 코멘트 남깁니다.

Additional references

• 리뷰하실 때, 'Representation learning with contrastive predictive coding(2018)' 과 'SimCLR(2020)', ' Dual Contrastive Learning for Unsupervised Image-to-Image Translation(CVPRW, 2021)' 논문을 언급하셨기 때문에 마지막 Reference에도 해당 논문들을 추가하면 좋을 것 같습니다.

Opinions or questions about the article

• 맨 처음 Problem definition에 있는 내용이 전체적인 CUT 모델과 어떤 연관성을 잘 이해가 안 됩니다. Problem definition에 있는 수식은 단순한 image-to-image translation task 내용인 건가요?
• identity loss가 어떤 기능을 하는 것인지 잘 이해가 안 갑니다. 예를 들어, CycleGAN에서 G(F(Y)) 구했던 것과 유사한 기능인 건가요?

좋은 리뷰 감사합니다.

[amy-hyunji]

안녕하세요, 논문 요약 감사합니다. 몇 가지 제안 및 오타 부분 공유드립니다.

1. Method - Multilayer, patchwise contrastive learning에서 아예 다른 이미지에서 negative sample을 가져왔을 때 실험의 성능보다 이미지 내에서 샘플링 했을 때가 더 좋은 결과가 나왔다는 부분에 대한 성능 비교 그래프나 표가 있다면 첨부해주시면 더 좋을 것 같습니다!
2. light한 모델인 Fast CUT은 CUT와 어떻게 다른지에 대한 부분이 없는 것 같습니다.

감사합니다 :)

[bulsajyo]

안녕하세요 기계공학과 박사과정 오상윤(20215201) 입니다. 먼저 리뷰글 잘 읽었습니다. 전체적으로 설명이 잘 되어 있었는데요, 특히 related work에서 다른 연구들의 설명과 한계점을 자세히 명시한 점이 좋았습니다. 아래에 코멘트 남겨드립니다.

1. Motivation에 있는 image translation에 대한 설명처럼 Problem definition에서 task에 대한 설명을 풀어서 설명하면 더 좋을 것 같습니다.

2. 이미지들의 캡션 넘버링과 관련 설명을 달면 더 좋을 것 같습니다.

3. Result의 이미지에서 SOTA에 비해 CUT 모델이 어떻게 향상되었는지 몇 예시에 대해 확대 사진이 있으면 좋을 것 같습니다.