EGC：基于扩散能量模型的图像生成与分类
计算机视觉与模式识别
2023-04-14 v3 人工智能
机器学习
摘要
使用同一组网络参数学习图像分类与图像生成是一个具有挑战性的问题。近期先进的方法在某一任务上表现良好，往往在另一任务上表现不佳。本文提出一种基于能量的分类器与生成器，即 EGC，它可使用单一神经网络在两项任务上均取得优越性能。与给定图像输出标签（即条件分布 ）的传统分类器不同，EGC 的前向传播是一个输出联合分布 的分类器，从而可通过边缘化掉标签 在其反向传播中实现图像生成器。这通过在前向传播中估计含噪图像的能量与分类概率，并在反向传播中使用估计的得分函数去噪来实现。EGC 在 ImageNet-1k、CelebA-HQ 和 LSUN Church 上相比最先进方法取得了有竞争力的生成结果，同时在 CIFAR-10 上实现了更优的分类准确率与对抗攻击鲁棒性。本工作是首次使用单一组网络参数在两项任务上同时取得优异表现的尝试。我们相信 EGC 弥合了判别式学习与生成式学习之间的鸿沟。
引用
@article{arxiv.2304.02012,
title = {EGC: Image Generation and Classification via a Diffusion Energy-Based Model},
author = {Qiushan Guo and Chuofan Ma and Yi Jiang and Zehuan Yuan and Yizhou Yu and Ping Luo},
journal= {arXiv preprint arXiv:2304.02012},
year = {2023}
}