利用生成模型进行创意发散合成
机器学习
2022-11-17 v1 机器学习
摘要
机器学习方法如今在图像、音频或视频等众多领域实现了令人印象深刻的生成能力。然而，大多数训练与评估框架围绕严格建模原始数据分布而非试图从中外推的思想展开。这排除了此类模型偏离原始分布从而展现某些创意特质的能力。在本文中，我们就这一复杂目标如何得以实现提出多种视角，并提供关于我们称为\textit{Bounded Adversarial Divergence}（BAD，有界对抗散度）的新颖训练目标的初步结果。
引用
@article{arxiv.2211.08861,
title = {Creative divergent synthesis with generative models},
author = {Axel Chemla--Romeu-Santos and Philippe Esling},
journal= {arXiv preprint arXiv:2211.08861},
year = {2022}
}