cFineGAN：无监督多条件细粒度图像生成
计算机视觉与模式识别
2019-12-12 v1 机器学习
图像与视频处理
摘要
我们提出了一种无监督多条件图像生成流程：cFineGAN，它能够以两张输入图像为条件生成图像，使得生成图像保留其中一张的纹理与另一张的形状。为实现这一目标，我们在近期提出的 FineGAN \citep{singh2018finegan} 工作基础上进行扩展，并使用了标准的以及形状偏置的预训练 ImageNet 模型。我们从定性和定量两方面展示了使用形状偏置网络的优势。我们在三个基准数据集——CUB-200-2011、Stanford Dogs 和 UT Zappos50k 上展示了图像生成结果。
引用
@article{arxiv.1912.05028,
title = {cFineGAN: Unsupervised multi-conditional fine-grained image generation},
author = {Gunjan Aggarwal and Abhishek Sinha},
journal= {arXiv preprint arXiv:1912.05028},
year = {2019}
}
备注
Accepted at NeurIPS Workshop on Machine Learning for Creativity and Design 3.0