基于生成深度学习的主动发散——综述与分类
机器学习
2021-07-13 v1 人工智能
摘要
生成深度学习的系统提供了强大的产物生成工具，因其能够建模数据分布并生成高保真结果。然而，在计算创造力的背景下，一个主要缺陷是它们无法以创造性的方式显式地偏离训练数据，且局限于拟合目标数据分布。为应对这些局限，已有越来越多的方法用于优化、入侵和重写这些模型，以主动偏离训练数据。我们提出了主动发散技术的分类体系与全面综述，强调计算创造力研究者推进这些方法并在真正创造性的系统中使用深度生成模型的潜力。
引用
@article{arxiv.2107.05599,
title = {Active Divergence with Generative Deep Learning -- A Survey and Taxonomy},
author = {Terence Broad and Sebastian Berns and Simon Colton and Mick Grierson},
journal= {arXiv preprint arXiv:2107.05599},
year = {2021}
}