我们能否在深度生成网络中找到导致非真实图像的神经元？
计算机视觉与模式识别
2022-06-17 v4
摘要
尽管生成对抗网络（GANs）已展现出生成高质量图像的卓越能力，但其并非总能保证生成照片级真实图像。它们偶尔会生成带有缺陷或不自然物体的图像，这些被称为“伪影”。关于为何会产生这些伪影以及如何检测和去除它们的研究尚不充分。为分析此问题，我们首先假设极少激活的神经元与频繁激活的神经元在图像生成过程中具有不同的目的与职责。在本研究中，通过分析这些神经元的统计特征与作用，我们实证表明极少激活的神经元与生成多样化物体的失败结果及诱发伪影有关。此外，我们提出了一种称为“顺序消融（Sequential Ablation）”的修正方法，可在无需高计算成本和人工干预的情况下修复生成图像中的缺陷部分。
引用
@article{arxiv.2201.06346,
title = {Can We Find Neurons that Cause Unrealistic Images in Deep Generative Networks?},
author = {Hwanil Choi and Wonjoon Chang and Jaesik Choi},
journal= {arXiv preprint arXiv:2201.06346},
year = {2022}
}
备注
Accepted at IJCAI-2022