使用胶囊网络进行图像合成的生成对抗网络架构
计算机视觉与模式识别
2018-11-21 v4 机器学习
神经与进化计算
机器学习
摘要
在本文中,我们提出使用胶囊网络进行图像合成的生成对抗网络(GAN)架构。基于特征的位置等变原理,胶囊网络对图像特征间空间关系进行编码的能力使其相较于当前用于图像合成架构中的卷积神经网络(CNNs)成为更强大的判别器。我们提出的 GAN 架构学习数据流形的速度更快,因此与使用和 CNN 的 GAN 及其变体相比,在显著更少的训练样本和训练轮数下合成视觉上准确的图像。除了分析不同架构生成图像的定量结果外,我们还探讨了使用 CNN 判别器的 GAN 架构所探索的覆盖率和多样性较低的原因。
引用
@article{arxiv.1806.03796,
title = {Generative Adversarial Network Architectures For Image Synthesis Using Capsule Networks},
author = {Yash Upadhyay and Paul Schrater},
journal= {arXiv preprint arXiv:1806.03796},
year = {2018}
}
备注
Pre-print