无混叠生成对抗网络
计算机视觉与模式识别
2021-10-19 v4 人工智能
机器学习
神经与进化计算
机器学习
摘要
我们观察到，尽管典型的生成对抗网络具有分层卷积性质，其合成过程却以不合理的方式依赖于绝对像素坐标。这表现为，例如，细节似乎黏附在图像坐标上，而非所描绘物体的表面上。我们将根本原因追溯到生成器网络中导致混叠的草率信号处理。将网络中的所有信号解释为连续的，我们推导出了普遍适用的小型架构改动，以保证不需要的信息无法泄漏到分层合成过程中。所得网络在 FID 上与 StyleGAN2 相当，但其内部表示存在显著差异，并且即使在亚像素尺度下也完全等变于平移和旋转。我们的结果为更适用于视频和动画的生成模型铺平了道路。
引用
@article{arxiv.2106.12423,
title = {Alias-Free Generative Adversarial Networks},
author = {Tero Karras and Miika Aittala and Samuli Laine and Erik Härkönen and Janne Hellsten and Jaakko Lehtinen and Timo Aila},
journal= {arXiv preprint arXiv:2106.12423},
year = {2021}
}