基于鲁棒可逆 n×n 卷积的快速流重构
计算机视觉与模式识别
2022-08-09 v3
摘要
基于流的生成模型近来已成为对数据生成建模最高效的方法之一。事实上，它们由一系列可逆且易处理的变换构建而成。Glow 首次引入了一种使用可逆 卷积的简单生成流类型。然而，与标准卷积相比， 卷积灵活性有限。本文提出一种新颖的可逆 卷积方法，克服了可逆 卷积的局限性。此外，我们提出的网络不仅易处理且可逆，而且比标准卷积使用更少的参数。在 CIFAR-10、ImageNet 和 Celeb-HQ 数据集上的实验表明，我们的可逆 卷积显著提升了生成模型的性能。
引用
@article{arxiv.1905.10170,
title = {Fast Flow Reconstruction via Robust Invertible nxn Convolution},
author = {Thanh-Dat Truong and Khoa Luu and Chi Nhan Duong and Ngan Le and Minh-Triet Tran},
journal= {arXiv preprint arXiv:1905.10170},
year = {2022}
}