判别器合成：论生成对抗网络另一半的重用
计算机视觉与模式识别
2021-11-15 v2 机器学习
图像与视频处理
摘要
生成对抗网络早已彻底改变了计算机视觉领域，以及与之紧密相连的艺术世界。人们付出了巨大的努力来充分利用并稳定训练过程，以使生成器网络的输出具有尽可能高的保真度，但很少有人关注在训练完成后如何使用判别器。在这项工作中，我们提议使用后者，并展示了一种方法，利用它从训练数据集中学到的特征来修改图像以及从头生成图像。我们将此方法命名为判别器之梦（Discriminator Dreaming），完整代码可在 https://github.com/PDillis/stylegan3-fun 找到。
引用
@article{arxiv.2111.02175,
title = {Discriminator Synthesis: On reusing the other half of Generative Adversarial Networks},
author = {Diego Porres},
journal= {arXiv preprint arXiv:2111.02175},
year = {2021}
}
备注
7 pages, 4 figures, NeurIPS Workshop on Machine Learning for Creativity and Design 2021