对抗性信息分解
计算机视觉与模式识别
2018-10-01 v2
摘要
我们提出了一种新颖的生成模型架构，旨在学习将单个属性从图像其余表示中分解出来的图像表示。单个对象可能具有许多属性，当这些属性被改变时，并不会改变对象本身的身份。以人脸为例：特定人的身份独立于其是否碰巧戴着眼镜。戴眼镜这一属性可以在不改变人的身份的情况下被改变。然而，在不改变对象身份的情况下操纵和改变图像属性并非一项平凡的任务。在此，我们感兴趣于学习一种图像表示，将对象（如人脸）的身份与属性（如“戴眼镜”）分离开来。我们通过使用学习到的表示来合成带有或不带有选定属性的同一张脸，展示了我们分解方法的成功。我们将这一特定的合成过程称为图像属性操纵。我们进一步证明，在人脸属性分类任务上，我们的模型取得了与最先进水平（state of the art）相竞争的分数。
引用
@article{arxiv.1711.05175,
title = {Adversarial Information Factorization},
author = {Antonia Creswell and Yumnah Mohamied and Biswa Sengupta and Anil A Bharath},
journal= {arXiv preprint arXiv:1711.05175},
year = {2018}
}