基于离散内容表示的少样本图像生成

少样本图像生成与少样本图像翻译是两个相关任务，二者均旨在仅用少量图像为未见类别生成新图像。在本工作中，我们首次尝试将少样本图像翻译方法适配于少样本图像生成任务。少样本图像翻译将图像解耦为风格向量与内容图。一个未见风格向量可与不同的已见内容图结合以生成不同图像。然而，它需要存储已见图像以提供内容图，且未见风格向量可能与已见内容图不兼容。为将其适配于少样本图像生成任务，我们通过将连续内容图量化为离散内容图来学习一个局部内容向量的紧凑字典，而非存储已见图像。此外，我们对以风格向量为条件的离散内容图的自回归分布进行建模，这可缓解内容图与风格向量之间的不兼容性。在三个真实数据集上的定性与定量结果表明，我们的模型能为未见类别生成比以往方法更高多样性和保真度的图像。