图像遮挡感知生成模型的高效推断
机器学习
2016-02-17 v2 计算机视觉与模式识别
摘要
我们提出了一种基于分层的图像生成模型，其中各图像层被单独生成，然后从前到后进行合成。因此，我们能够将图像的外观分解为图像内各个独立对象的外观，并且对于每个独立对象，我们还能将内容与姿态分离。与以往关于分层模型的工作不同，我们为每个对象/层学习一个形状先验，使得模型能够通过寻找一致的形状来分辨哪个对象在前，而无需依赖运动线索或任何标注数据。我们证明，使用普通的随机梯度变分贝叶斯（SGVB）来优化我们对对数似然的完全可微下界，足以学习到图像的可解释表示。最后，我们通过实验展示了该模型在推断图像中前景与背景对象方面的有效性。
引用
@article{arxiv.1511.06362,
title = {Efficient inference in occlusion-aware generative models of images},
author = {Jonathan Huang and Kevin Murphy},
journal= {arXiv preprint arXiv:1511.06362},
year = {2016}
}
备注
10 pages