用简单神经网络在复杂数据集中生成新图像
计算机视觉与模式识别
2019-11-28 v3
摘要
我们介绍一种变分自编码器(VAE)的版本,当在复杂数据集(我们的实验中为CIFAR-10)上训练时,其能够生成良好的图像扰动。该网络每类仅使用两个潜生成维度,具有单峰概率密度。良好生成所付出的代价是并非所有训练图像都被很好地重建。需要一个额外的分类器来确定哪些训练图像被很好地重建以及训练图像的一般权重。只有被良好重建的训练图像才能被扰动。为获得良好扰动,我们使用良好重建图像的暂定经验漂移。该构造在通常的统计意义下不具有预测性。
引用
@article{arxiv.1810.12478,
title = {Generating new pictures in complex datasets with a simple neural network},
author = {Galin Georgiev},
journal= {arXiv preprint arXiv:1810.12478},
year = {2019}
}
备注
13 pages plus some images