由分类器诞生的生成器

在本文中，我们对一项雄心勃勃的任务进行了大胆尝试：给定一个预训练的分类器，我们的目标是在不依赖任何数据样本的情况下重建一个图像生成器。从黑盒的角度来看，这一挑战似乎难以处理，因为它不可避免地涉及识别分类器的逆函数，而这本质上是一个信息提取过程。因此，我们求助于利用神经网络参数中包含的知识。基于梯度下降的最大间隔偏差理论，我们提出了一种新颖的学习范式，其中训练生成器以确保网络参数的收敛条件在样本的生成分布上得到满足。来自各种图像生成任务的经验验证证实了我们策略的有效性。