FewGAN：从少量图像的联合分布中生成图像
计算机视觉与模式识别
2022-07-25 v1 机器学习
摘要
我们提出FewGAN，一种生成模型，用于生成新颖、高质量且多样的图像，其块分布位于少量（N>1）训练样本的联合块分布之中。该方法本质上是一种分层块GAN，在首个粗尺度上采用类似于VQ-GAN的量化，随后在更细尺度上使用残差全卷积GAN金字塔。我们的核心思想是首先利用量化学习训练图像的固定块嵌入集合，然后使用一组独立的侧面图像，通过在训练图像所学块嵌入上训练的自回归模型来建模生成图像的结构。在最粗尺度上使用量化使模型能够生成条件与非条件新颖图像。随后，块GAN渲染精细细节，产生高质量图像。大量实验表明，FewGAN在定量与定性上均优于基线方法。
引用
@article{arxiv.2207.11226,
title = {FewGAN: Generating from the Joint Distribution of a Few Images},
author = {Lior Ben-Moshe and Sagie Benaim and Lior Wolf},
journal= {arXiv preprint arXiv:2207.11226},
year = {2022}
}