通过自条件 GAN 实现多样图像生成
计算机视觉与模式识别
2022-02-11 v2 机器学习
摘要
我们提出一种简单而有效的无监督方法，用于生成真实且多样的图像。我们训练一个类条件 GAN 模型，但不使用人工标注的类标签。相反，我们的模型以从判别器特征空间中聚类自动导出的标签为条件。我们的聚类步骤自动发现多样模式，并显式要求生成器覆盖它们。在标准模式崩溃基准上的实验表明，我们的方法在处理模式崩溃时优于几种竞争方法。我们的方法在 ImageNet 与 Places365 等大规模数据集上也表现良好，相较先前方法同时提升了图像多样性与标准质量指标。
引用
@article{arxiv.2006.10728,
title = {Diverse Image Generation via Self-Conditioned GANs},
author = {Steven Liu and Tongzhou Wang and David Bau and Jun-Yan Zhu and Antonio Torralba},
journal= {arXiv preprint arXiv:2006.10728},
year = {2022}
}
备注
CVPR 2020. Code: https://github.com/stevliu/self-conditioned-gan. Webpage: http://selfcondgan.csail.mit.edu/