跨域对抗自编码器
计算机视觉与模式识别
2018-04-18 v1 人工智能
信息论
math.IT
摘要
本文提出跨域对抗自编码器(CDAAE)以解决跨域图像推断、生成与转换问题。我们假设来自不同域的图像共享相同的内容潜在编码空间,同时具有分离的样式潜在编码空间。所提框架可将跨域数据映射为由内容部分和样式部分组成的潜在编码向量。该潜在编码向量与先验分布匹配,从而我们可从先验空间的任意部分生成有意义的样本。因此,给定某一域的一个样本,我们的框架可生成另一域中具有与输入相同内容的多样样本。这使得所提框架不同于当前的跨域转换工作。此外,所提框架可使用有标签与无标签数据进行训练,这也使其适用于域适应。在 SVHN、MNIST 和 CASIA 数据集上的实验结果表明,所提框架在图像生成任务上取得了视觉上引人瞩目的性能。此外,我们也展示了所提方法在域适应上取得了优越结果。我们的实验代码可在 https://github.com/luckycallor/CDAAE 获取。
引用
@article{arxiv.1804.06078,
title = {Cross-Domain Adversarial Auto-Encoder},
author = {Haodi Hou and Jing Huo and Yang Gao},
journal= {arXiv preprint arXiv:1804.06078},
year = {2018}
}
备注
Under review as a conference paper of KDD 2018