Dynamic-Net：无需重训练即可调整合成任务目标
计算机视觉与模式识别
2019-08-27 v2
摘要
现代 CNN 成功优化的关键要素之一是确定合适的目标。迄今，目标在训练时先验固定，任何改动都需重新训练新网络。本文首次尝试缓解重训练之需。我们不在训练时固定网络，而是训练一个可在推理时修改的“Dynamic-Net”。我们的方法将“目标空间”视为两个目标所有线性组合的空间，Dynamic-Net 在测试时模拟遍历该目标空间，无需任何进一步训练。我们表明，这通过提供学习之外的扩展升级了预训练网络，同时保持性能质量。我们提出的方案快速，并允许用户实时交互式修改网络，以获得其期望的结果。我们通过若干不同应用展示了该方法的好处。
引用
@article{arxiv.1811.08760,
title = {Dynamic-Net: Tuning the Objective Without Re-training for Synthesis Tasks},
author = {Alon Shoshan and Roey Mechrez and Lihi Zelnik-Manor},
journal= {arXiv preprint arXiv:1811.08760},
year = {2019}
}
备注
version update