使用对抗网络拉普拉斯金字塔的深度生成式图像模型
计算机视觉与模式识别
2015-06-19 v1
摘要
本文提出一种能够生成高质量自然图像样本的生成式参数模型。我们的方法在拉普拉斯金字塔框架内使用级联卷积网络，以由粗到细的方式生成图像。在金字塔的每一层，使用生成对抗网络（GAN）方法（Goodfellow等人）训练一个独立的生成卷积网络模型。从我们的模型抽取的样本质量显著优于替代方法。在由人类评估者进行的定量评估中，我们的CIFAR10样本被误认为真实图像的概率约为40%，而从一个GAN基线模型抽取的样本该概率仅为10%。我们还展示了在更高分辨率的LSUN场景数据集图像上训练的模型所生成的样本。
引用
@article{arxiv.1506.05751,
title = {Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks},
author = {Emily Denton and Soumith Chintala and Arthur Szlam and Rob Fergus},
journal= {arXiv preprint arXiv:1506.05751},
year = {2015}
}