使用自适应卷积的生成对抗网络
计算机视觉与模式识别
2018-02-08 v1 机器学习
摘要
现有大多数生成图像的 GANs 架构在生成器中采用转置卷积或缩放-卷积作为从低分辨率到高分辨率特征图的上采样算法。我们认为这种固定操作对于 GANs 建模具有迥异视觉外观的对象是有问题的。我们提出一种新颖的自适应卷积方法，基于各位置处的局部上下文学习上采样算法以解决此问题。我们将基线 GANs 架构中的普通卷积替换为生成器中的自适应卷积。在 CIFAR-10 数据集上的实验表明，我们的改进模型大幅优于基线模型。此外，我们的模型在无监督设定下于 CIFAR-10 与 STL-10 数据集上达到了最先进的性能。
引用
@article{arxiv.1802.02226,
title = {Generative Adversarial Networks using Adaptive Convolution},
author = {Nhat M. Nguyen and Nilanjan Ray},
journal= {arXiv preprint arXiv:1802.02226},
year = {2018}
}