耦合生成对抗网络
计算机视觉与模式识别
2016-09-21 v2
摘要
我们提出耦合生成对抗网络（CoGAN）用于学习多域图像的联合分布。与现有方法需要训练集中不同域的对应图像元组不同，CoGAN 可以在没有任何对应图像元组的情况下学习联合分布。它仅需从边缘分布中抽取的样本即可学习联合分布。这是通过强制一个权重共享约束来实现的，该约束限制了网络容量，并有利于联合分布解而非边缘分布乘积解。我们将 CoGAN 应用于多个联合分布学习任务，包括学习彩色与深度图像的联合分布，以及学习具有不同属性的人脸图像的联合分布。对于每个任务，它都在没有任何对应图像元组的情况下成功学习了联合分布。我们还展示了其在域适应和图像变换中的应用。
引用
@article{arxiv.1606.07536,
title = {Coupled Generative Adversarial Networks},
author = {Ming-Yu Liu and Oncel Tuzel},
journal= {arXiv preprint arXiv:1606.07536},
year = {2016}
}
备注
To be published in NIPS 2016