用于多目标图像生成的抗崩溃深度卷积 GAN
机器学习
2019-11-11 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
本工作介绍了一种用于生成包含多类对象图像的新颖系统。生成对抗网络（GAN）的近期工作已产生高质量图像，但许多聚焦于生成单个或一组对象的图像。我们的系统解决了以所需类别列表为条件生成单幅图像的任务。这使我们的系统能够生成任意给定对象组合的图像，并全部组合为视觉逼真的自然图像。该系统学习数据集中所表示的所有类别的相互关系，并能生成包含这些类别集合的多样样本。它展现出将这些对象排列在一起的能力，考虑了表征复杂自然图像的遮挡与对象间空间关系。为此，我们引入了一种基于条件深度卷积 GAN 的新颖架构，其在模式和条件上均相对于崩溃得以稳定。该系统学习在训练期间纠正模式崩溃，自我修正以避免次优生成模式。
引用
@article{arxiv.1911.02996,
title = {Collapse Resistant Deep Convolutional GAN for Multi-Object Image Generation},
author = {Elijah D. Bolluyt and Cristina Comaniciu},
journal= {arXiv preprint arXiv:1911.02996},
year = {2019}
}
备注
Accepted to IEEE International Conference on Machine Learning and Applications 2019