FineGAN：用于细粒度物体生成与发现的无监督层次化解耦
计算机视觉与模式识别
2019-04-10 v2 人工智能
图形学
机器学习
摘要
我们提出 FineGAN，一种新颖的无监督 GAN 框架，其将背景、物体形状和物体外观解耦，以层次化生成细粒度物体类别的图像。为了在无需监督的情况下解耦各因素，我们的核心思想是利用信息论将每个因素关联到一个潜码，并以特定方式条件化各码之间的关系以诱导所需的层次结构。通过大量实验，我们表明 FineGAN 实现了期望的解耦，生成了属于鸟类、狗和汽车细粒度类别的真实且多样的图像。利用 FineGAN 自动学习的特征，我们还对真实图像进行聚类，作为解决无监督细粒度物体类别发现这一新问题的最初尝试。我们的代码/模型/演示可在 https://github.com/kkanshul/finegan 找到。
引用
@article{arxiv.1811.11155,
title = {FineGAN: Unsupervised Hierarchical Disentanglement for Fine-Grained Object Generation and Discovery},
author = {Krishna Kumar Singh and Utkarsh Ojha and Yong Jae Lee},
journal= {arXiv preprint arXiv:1811.11155},
year = {2019}
}