用于条件生成的流插件网络
计算机视觉与模式识别
2021-10-11 v1 机器学习
摘要
生成模型近年来获得了许多研究者的关注，产生了诸如用于人脸生成的 StyleGAN 或用于三维点云生成的 PointFlow 等模型。然而，默认情况下我们无法控制其采样过程，即无法生成具有特定属性集合的样本。当前的方法是通过带有额外输入和不同架构的模型重训练来实现，这需要时间和计算资源。我们提出了一种新颖的方法，能够在无需重训练基础模型的情况下生成具有给定属性集合的对象。为此，我们利用归一化流模型——条件掩码自回归流和条件 Real NVP，作为流插件网络（FPN）。
引用
@article{arxiv.2110.04081,
title = {Flow Plugin Network for conditional generation},
author = {Patryk Wielopolski and Michał Koperski and Maciej Zięba},
journal= {arXiv preprint arXiv:2110.04081},
year = {2021}
}