GANalyze：面向认知图像属性的视觉定义
计算机视觉与模式识别
2019-08-10 v1
摘要
我们引入一个利用生成对抗网络（GANs）来研究可记忆性、美感和情绪效价等认知属性的框架。这些属性备受关注，因为我们对其所包含的具象视觉定义尚不清晰。一只狗看起来更具或更不具可记忆性究竟是何种样貌？GANs使我们能够生成具有自然外观且视觉属性存在细粒度差异的图像流形。通过沿提升可记忆性的方向在该流形上移动，我们可以可视化特定生成图像变得更具或更不具可记忆性时的外观。由此产生的“视觉定义”揭示了可能构成可记忆性基础的图像属性（如“物体大小”）。通过行为实验，我们验证了该方法确实发现了因果影响人类记忆表现的图片操控方式。我们进一步证明同一框架可用于分析图像美感和情绪效价。访问GANalyze网站：http://ganalyze.csail.mit.edu/。
引用
@article{arxiv.1906.10112,
title = {GANalyze: Toward Visual Definitions of Cognitive Image Properties},
author = {Lore Goetschalckx and Alex Andonian and Aude Oliva and Phillip Isola},
journal= {arXiv preprint arXiv:1906.10112},
year = {2019}
}
备注
17 pages, 15 figures