CADA-GAN：具有数据增强的上下文感知生成对抗网络
计算机视觉与模式识别
2023-01-24 v1
摘要
当前的儿童人脸生成器受限于可用数据集规模有限。此外，特征选择可能是一项重大挑战，尤其是由于需要训练的特征数量庞大。为解决这些问题，我们提出了 CADA-GAN，一种\textbf{C}ontext-\textbf{A}ware GAN（上下文感知 GAN），可实现最优特征提取，并通过额外的\textbf{D}ata \textbf{A}ugmentation（数据增强）增强鲁棒性。CADA-GAN 改编自流行的 StyleGAN2-Ada 模型，重点关注父图像的增强与分割。该模型在隐空间特征表示上具有最低的\textit{均方误差损失}（MSEloss），且生成的儿童图像相比基线模型生成的更具鲁棒性。
引用
@article{arxiv.2301.08849,
title = {CADA-GAN: Context-Aware GAN with Data Augmentation},
author = {Sofie Daniels and Jiugeng Sun and Jiaqing Xie},
journal= {arXiv preprint arXiv:2301.08849},
year = {2023}
}
备注
Submitted to ETHDL2023