方向GAN:一种面向生成网络的新条件策略
计算机视觉与模式识别
2021-05-17 v2 神经与进化计算
摘要
图像内容在营销活动、网站和横幅中是主导因素。如今,营销人员和设计师在生成此类专业质量内容时耗费大量时间与金钱。我们利用生成对抗网络(GANs)朝着简化该过程迈出一步。我们提出一种简单而新颖的条件策略,其允许使用为无条件图像生成任务训练的生成器,生成以给定语义属性为条件的图像。我们的方法基于利用潜空间中相关语义属性的方向向量来修改潜向量。我们的方法设计用于兼顾离散(二值与多类)和连续图像属性。我们在多个公开数据集上展示了所提方法(命名为Directional GAN)的适用性,跨不同属性的平均准确率为86.4%。
引用
@article{arxiv.2105.05712,
title = {Directional GAN: A Novel Conditioning Strategy for Generative Networks},
author = {Shradha Agrawal and Shankar Venkitachalam and Dhanya Raghu and Deepak Pai},
journal= {arXiv preprint arXiv:2105.05712},
year = {2021}
}
备注
Accepted to AICC workshop at CVPR 2021