DeltaGAN：面向具有样本特定增量的多样化少样本图像生成
计算机视觉与模式识别
2022-07-29 v4
摘要
基于仅少量图像学习为新类别生成新图像，被称为少样本图像生成，已引起日益增长的研究兴趣。若干最先进的工作已取得令人印象深刻的成果，但多样性仍有限。在本工作中，我们提出一种新颖的 Delta 生成对抗网络（DeltaGAN），其由一个重建子网络和一个生成子网络组成。重建子网络捕获同类别对之间的类内变换，即“delta”。生成子网络为输入图像生成样本特定的“delta”，并将其与该输入图像结合以生成同一类别内的新图像。此外，设计了一种对抗性 delta 匹配损失将上述两个子网络联结起来。在五个少样本图像数据集上的大量实验证明了我们所提方法的有效性。
引用
@article{arxiv.2009.08753,
title = {DeltaGAN: Towards Diverse Few-shot Image Generation with Sample-Specific Delta},
author = {Yan Hong and Li Niu and Jianfu Zhang and Jing Liang and Liqing Zhang},
journal= {arXiv preprint arXiv:2009.08753},
year = {2022}
}
备注
This paper is accepted by ECCV 2022