对抗训练能否学习图像描述生成
计算与语言
2019-11-01 v1 计算机视觉与模式识别
机器学习
摘要
近年来，生成对抗网络（GAN）引起了广泛关注。其在生成高质量未见样本（尤其是图像）方面的效率逐年提升。在自然语言生成（NLG）领域，利用对抗设置生成有意义的句子已被证明存在两方面的困难：缺乏能够生成逼真句子的现有架构，以及缺乏评估工具。本文提出一种与条件 GAN（cGAN）相关的对抗架构，该架构根据给定的图像（亦称图像描述生成）生成句子。这一尝试是首个不使用预训练或强化方法的工作。我们还解释了为何我们的实验设置可被安全地评估并为后续工作所解释。
引用
@article{arxiv.1910.14609,
title = {Can adversarial training learn image captioning ?},
author = {Jean-Benoit Delbrouck and Bastien Vanderplaetse and Stéphane Dupont},
journal= {arXiv preprint arXiv:1910.14609},
year = {2019}
}
备注
Accepted to NeurIPS 2019 ViGiL workshop