基于学习相似性度量的超越像素自编码
机器学习
2016-02-12 v2 计算机视觉与模式识别
机器学习
摘要
我们提出了一种自编码器，其利用学习到的表示来更好地度量数据空间中的相似性。通过将变分自编码器（variational autoencoder, VAE）与生成对抗网络（generative adversarial network, GAN）相结合，我们可以使用 GAN 判别器中学习到的特征表示作为 VAE 重建目标的基础。从而，我们用特征级误差替换逐元素误差，以更好地捕获数据分布，同时提供对例如平移的不变性。我们将该方法应用于人脸图像，并表明在视觉保真度方面，它优于采用逐元素相似性度量的 VAE。此外，我们表明该方法学习到的嵌入中，高级抽象视觉特征（例如戴眼镜）可使用简单算术进行修改。
引用
@article{arxiv.1512.09300,
title = {Autoencoding beyond pixels using a learned similarity metric},
author = {Anders Boesen Lindbo Larsen and Søren Kaae Sønderby and Hugo Larochelle and Ole Winther},
journal= {arXiv preprint arXiv:1512.09300},
year = {2016}
}