组合式 GAN：学习图像条件下的二元组合
计算机视觉与模式识别
2019-04-01 v3 人工智能
机器学习
机器学习
摘要
生成对抗网络（GANs）能够生成具有显著复杂度和真实感的图像，但其通常结构为从单一潜在源采样，忽略了场景中可能存在的多个实体之间的显式空间交互。捕捉世界中不同对象之间的此类复杂交互，包括它们的相对缩放、空间布局、遮挡或视角变换，是一个具有挑战性的问题。在这项工作中，我们提出了一种新颖的自洽“分解而组合”（CoDe）网络来组合一对对象。给定来自两个不同分布的对象图像，我们的模型能够遵循输入对象的纹理与形状，从其联合分布生成真实的组合图像。我们通过定性实验和用户评估来评价我们的方法。我们的结果表明，所学到的模型捕捉到了两个对象域之间的潜在交互，并在测试时生成了真实的组合场景。
引用
@article{arxiv.1807.07560,
title = {Compositional GAN: Learning Image-Conditional Binary Composition},
author = {Samaneh Azadi and Deepak Pathak and Sayna Ebrahimi and Trevor Darrell},
journal= {arXiv preprint arXiv:1807.07560},
year = {2019}
}