作为带散射变换反问题的生成网络
机器学习
2018-05-18 v1 人工智能
机器学习
摘要
生成对抗网络（GAN）与变分自编码器（VAE）能够从高斯白噪声生成令人印象深刻的图片，但其背后的数学原理尚不清晰。我们通过反演一个固定的嵌入算子来计算深度卷积网络生成器，因此无需借助判别器或编码器进行优化。该嵌入对形变是 Lipschitz 连续的，从而使得生成器将输入白噪声向量之间的线性插值变换为输出图像之间的形变。这一嵌入由小波散射变换计算而得。数值实验表明，所得到的散射生成器具有与 GAN 或 VAE 相似的性质，而无需学习判别网络或编码器。
引用
@article{arxiv.1805.06621,
title = {Generative networks as inverse problems with Scattering transforms},
author = {Tomás Angles and Stéphane Mallat},
journal= {arXiv preprint arXiv:1805.06621},
year = {2018}
}
备注
International Conference on Learning Representations, 2018