双反异生成自编码器
计算机视觉与模式识别
2020-11-23 v1
摘要
我们提出一种新的生成自编码器模型，带有双反异损失，以改进同时执行推断（重建）与合成（采样）的生成自编码器。我们的模型名为双反异生成自编码器（DC-VAE），将实例级判别损失（保持重建/合成的实例级保真度）与集合级对抗损失（鼓励重建/合成的集合级保真度）相整合，二者均为反异的。我们报告了 DC-VAE 在 32x32、64x64、128x128 和 512x512 不同分辨率上的广泛实验结果。VAE 中的两个反异损失在 DC-VAE 中和谐协作，在不改变架构的情况下相较基线 VAE 带来显著的定性与定量性能提升。在图像重建、图像合成、图像插值和表示学习方面，观察到 DC-VAE 在生成自编码器中达到 SOTA 或具竞争力的结果。DC-VAE 是一种通用 VAE 模型，适用于计算机视觉与机器学习中多种下游任务。
引用
@article{arxiv.2011.10063,
title = {Dual Contradistinctive Generative Autoencoder},
author = {Gaurav Parmar and Dacheng Li and Kwonjoon Lee and Zhuowen Tu},
journal= {arXiv preprint arXiv:2011.10063},
year = {2020}
}