用于对比分析的双重 InfoGAN
计算机视觉与模式识别
2024-02-01 v1 人工智能
机器学习
摘要
对比分析（CA）处理的是发现目标域相对于背景域的共同点和独特点。这在许多应用中，如医学成像，具有重大意义。当前最先进的（SOTA）方法是基于 VAE（CA-VAEs）的潜变量模型。然而，它们要么忽略了重要的约束条件，要么没有强制执行基本假设。这可能导致次优解，其中独特性因素被误认为共同因素（反之亦然）。此外，生成的图像质量相当差，这是 VAE 的典型特征，降低了其可解释性和实用性。在此，我们提出了 Double InfoGAN，这是首个基于 GAN 的 CA 方法，它利用了 GAN 的高质量合成能力和 InfoGAN 的分离能力。在四个视觉数据集（从简单的合成示例到复杂的医学图像）上的实验结果表明，所提出的方法在潜变量分离和图像质量方面均优于 SOTA CA-VAEs。数据集和代码可在线获取。
引用
@article{arxiv.2401.17776,
title = {Double InfoGAN for Contrastive Analysis},
author = {Florence Carton and Robin Louiset and Pietro Gori},
journal= {arXiv preprint arXiv:2401.17776},
year = {2024}
}
备注
Accepted at AISTATS 2024