利用贝叶斯风格生成增强感知属性
机器学习
2018-12-04 v1 机器学习
摘要
深度学习给计算机视觉带来了前所未有的进展，在预测视觉数据固有的主观属性（如可记忆性、美学质量、唤起的情绪等）方面取得了显著进步。近来，一些研究工作甚至提出了深度学习方法来修改图像以适当地改变这些属性。遵循这一研究路线，本文引入了一种新颖的深度学习框架，用于合成图像以增强预定义的感知属性。我们的方法以自然图像作为输入，并利用近期的深度风格迁移模型和生成对抗网络(generative adversarial networks)来改变其风格，从而修改特定的高层属性。与以往专注于增强视觉内容某一特定属性的工作不同，我们提出了一个通用框架，并在两个用例中展示了其有效性，即提升图像可记忆性和生成恐怖图片。我们在公开可用的基准上评估了所提出的方法，证明了其相对于当前最优(state of the art)方法的优势。
引用
@article{arxiv.1812.00717,
title = {Enhancing Perceptual Attributes with Bayesian Style Generation},
author = {Aliaksandr Siarohin and Gloria Zen and Nicu Sebe and Elisa Ricci},
journal= {arXiv preprint arXiv:1812.00717},
year = {2018}
}
备注
ACCV-2018