基于辅助分类器GAN的条件图像合成
机器学习
2017-07-24 v4 计算机视觉与模式识别
摘要
合成高分辨率逼真图像一直是机器学习中的一个长期挑战。在本文中，我们介绍了用于改进生成对抗网络（GANs）图像合成训练的新方法。我们构建了一种采用标签条件的GAN变体，其生成的128x128分辨率图像样本展现出全局一致性。我们在先前用于图像质量评估的工作基础上扩展，提供了两种新分析来评估类条件图像合成模型样本的可辨别性和多样性。这些分析表明，高分辨率样本提供了低分辨率样本中不存在的类别信息。在1000个ImageNet类别中，128x128样本的可辨别性是人为调整大小的32x32样本的两倍以上。此外，84.7%的类别具有与真实ImageNet数据相当多样性的样本。
引用
@article{arxiv.1610.09585,
title = {Conditional Image Synthesis With Auxiliary Classifier GANs},
author = {Augustus Odena and Christopher Olah and Jonathon Shlens},
journal= {arXiv preprint arXiv:1610.09585},
year = {2017}
}