DeltaGAN：面向多样少样本图像生成的样本特定增量方法
计算机视觉与模式识别
2022-07-29 v3
摘要
基于仅少量图像来学习为某一新类别生成新图像，被称为少样本图像生成，已引起越来越多的研究关注。若干最先进的工作已取得令人印象深刻的成果，但多样性仍然有限。在本工作中，我们提出一种新颖的增量生成对抗网络（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图像对之间的类内变换，即增量（delta）。生成子网络为输入图像生成样本特定的增量，并将其与该输入图像结合以在同一类别内生成新图像。此外，设计了一种对抗性增量匹配损失将上述两个子网络联结起来。在六个基准数据集上的大量实验证明了我们所提方法的有效性。我们的代码可在 https://github.com/bcmi/DeltaGAN-Few-Shot-Image-Generation 获取。
引用
@article{arxiv.2207.10271,
title = {DeltaGAN: Towards Diverse Few-shot Image Generation with Sample-Specific Delta},
author = {Yan Hong and Li Niu and Jianfu Zhang and Liqing Zhang},
journal= {arXiv preprint arXiv:2207.10271},
year = {2022}
}
备注
I want to withdraw this version and use it to update the previous version at arXiv:2009.08753