基于 GAN 的类间区分与类间共有图像生成
计算机视觉与模式识别
2019-07-25 v2 机器学习
机器学习
摘要
生成对抗网络（GANs）的类条件扩展，如辅助分类器 GAN（AC-GAN）和条件 GAN（cGAN），因其能将表示分解为类标签和其他因素并提升训练稳定性而受到关注。然而，一个局限是它们假设每个类是可分离的，并忽略了类之间的关系，尽管当数据基于多样或模糊的标准收集时，类重叠在真实场景中频繁发生。为克服此局限，我们提出一个名为类间区分与类间共有图像生成的新问题，其目标是构建一个能够捕捉类间关系并基于类特异性选择性生成图像的生成器。为在无额外监督下解决该问题，我们提出分类器后验 GAN（CP-GAN），其中我们针对类重叠数据重新设计了 AC-GAN 的生成器输入和目标函数。确切地说，我们将分类器的后验纳入生成器输入，并优化生成器使生成数据的分类器后验与真实数据相对应。我们通过模型配置分析和对比研究，在受控和真实世界类重叠数据上展示了 CP-GAN 的有效性。我们的代码可在 https://github.com/takuhirok/CP-GAN/ 获取。
引用
@article{arxiv.1811.11163,
title = {Class-Distinct and Class-Mutual Image Generation with GANs},
author = {Takuhiro Kaneko and Yoshitaka Ushiku and Tatsuya Harada},
journal= {arXiv preprint arXiv:1811.11163},
year = {2019}
}
备注
Accepted to BMVC 2019 (Spotlight). Project page: https://takuhirok.github.io/CP-GAN/