CAFLOW：条件自回归流
计算机视觉与模式识别
2021-06-07 v1 人工智能
机器学习
机器学习
摘要
我们提出 CAFLOW，一种新颖的多样化图像到图像翻译模型，它同时利用了自回归建模的能力与条件归一化流的高效建模。我们使用多尺度归一化流将条件图像转换为一系列潜在编码，并对被条件图像重复该过程。我们通过以高效的多尺度归一化流对自回归分布进行建模来刻画潜在编码的条件分布，其中每个条件因子在其相应的分辨率尺度上影响图像合成。我们所提框架在一系列图像到图像翻译任务上表现良好。由于其富有表现力的自回归结构，它优于先前设计的条件流。
引用
@article{arxiv.2106.02531,
title = {CAFLOW: Conditional Autoregressive Flows},
author = {Georgios Batzolis and Marcello Carioni and Christian Etmann and Soroosh Afyouni and Zoe Kourtzi and Carola Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2106.02531},
year = {2021}
}