对抗式潜变量自编码器
机器学习
2020-04-10 v1 计算机视觉与模式识别
摘要
自编码器网络是一种无监督方法，旨在通过同时学习编码器-生成器映射来结合生成与表示特性。尽管已被广泛研究，但它们是否具有与 GAN 相同的生成能力，或学习解耦表示的问题尚未得到充分解决。我们引入一种联合解决这些问题的自编码器，称之为对抗式潜变量自编码器（ALAE）。它是一种通用架构，可利用近期 GAN 训练过程的改进。我们设计了两个自编码器：一个基于 MLP 编码器，另一个基于 StyleGAN 生成器，我们称之为 StyleALAE。我们验证了两种架构的解耦特性。我们表明 StyleALAE 不仅能以与 StyleGAN 相当的质量生成 1024x1024 人脸图像，还能在同一分辨率下基于真实图像产生人脸重建与编辑。这使得 ALAE 成为首个能够与仅生成器型架构相媲美并超越其能力的自编码器。
引用
@article{arxiv.2004.04467,
title = {Adversarial Latent Autoencoders},
author = {Stanislav Pidhorskyi and Donald Adjeroh and Gianfranco Doretto},
journal= {arXiv preprint arXiv:2004.04467},
year = {2020}
}