基于跨域对应关系的少样本图像生成
计算机视觉与模式识别
2021-04-15 v1 图形学
机器学习
摘要
在仅含少量样本（例如 10 个）的目标域上训练 GAN 等生成模型很容易导致过拟合。本文旨在利用一个大规模源域进行预训练，并将多样性信息从源域迁移到目标域。我们提出通过一种新颖的跨域距离一致性损失来保留源域中样本之间的相对相似性与差异。为进一步减轻过拟合，我们提出一种基于锚点的策略，以鼓励潜空间中不同区域具有不同层次的真实感。通过在真实感与非真实感域中的大量结果，我们从定性和定量上证明，我们的少样本模型能自动发现源域与目标域之间的对应关系，并比以往方法生成更具多样性和真实感的图像。
引用
@article{arxiv.2104.06820,
title = {Few-shot Image Generation via Cross-domain Correspondence},
author = {Utkarsh Ojha and Yijun Li and Jingwan Lu and Alexei A. Efros and Yong Jae Lee and Eli Shechtman and Richard Zhang},
journal= {arXiv preprint arXiv:2104.06820},
year = {2021}
}
备注
CVPR 2021