基于 Watson 感知模型的生成式神经网络损失函数
机器学习
2021-01-07 v3 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
要训练变分自编码器（VAEs）生成逼真的图像，需要一个反映人类对图像相似性感知的损失函数。我们提出了这样一个基于 Watson 感知模型的损失函数，该模型在频率空间中计算加权距离，并考虑了亮度和对比度掩蔽。我们将该模型扩展到彩色图像，通过使用傅里叶变换提高其对于平移的鲁棒性，消除因将图像分块而产生的伪影，并使其可微。在实验中，用新损失函数训练的 VAEs 生成了逼真、高质量的图像样本。与使用欧氏距离和结构相似性指数相比，图像更不模糊；与基于深度神经网络的损失相比，新方法所需计算资源更少且生成的图像伪影更少。
引用
@article{arxiv.2006.15057,
title = {A Loss Function for Generative Neural Networks Based on Watson's Perceptual Model},
author = {Steffen Czolbe and Oswin Krause and Ingemar Cox and Christian Igel},
journal= {arXiv preprint arXiv:2006.15057},
year = {2021}
}
备注
Published at the 34th Conference on Neural Information Processing Systems (NeurIPS 2020)