用于图像内容变化的深度特征插值
计算机视觉与模式识别
2017-06-20 v2
摘要
我们提出深度特征插值（DFI），一种用于自动高分辨率图像变换的新型数据驱动基线方法。顾名思义，该方法仅依赖于对预训练卷积网络提取的深度卷积特征进行简单的线性插值。我们证明，尽管方法简单，DFI 仍能令人惊讶地出色完成高级语义变换，如“变老/变年轻”、“戴上眼镜”、“添加微笑”等，有时甚至达到或超越当前最优水平。这尤其出乎意料，因为 DFI 不需要专门的网络架构，甚至无需为这些任务训练任何深度网络。因此，DFI 可作为评估更复杂算法的新基线，并为深度学习兴起背景下哪些图像变换任务仍具挑战性这一问题提供实用答案。
引用
@article{arxiv.1611.05507,
title = {Deep Feature Interpolation for Image Content Changes},
author = {Paul Upchurch and Jacob Gardner and Geoff Pleiss and Robert Pless and Noah Snavely and Kavita Bala and Kilian Weinberger},
journal= {arXiv preprint arXiv:1611.05507},
year = {2017}
}
备注
First two authors contributed equally. Accepted by CVPR 2017. Code at https://github.com/paulu/deepfeatinterp