GENHOP:一种基于连续子空间学习的图像生成方法
图像与视频处理
2022-10-10 v1 计算机视觉与模式识别
摘要
不同于基于深度学习(DL-based)的图像生成方法,本文提出并命名了一种构建于连续子空间学习原理之上的新型图像生成模型GenHop(Generative PixelHop的缩写)。GenHop由三个模块组成:1)高到低维降维,2)种子图像生成,以及3)低到高维扩展。在第一模块中,它通过一系列白化过程构建高到低维子空间序列,每个子空间包含联合空间-谱表示的样本。在第二模块中,它在最低维子空间中生成样本。在第三模块中,它通过局部线性嵌入(LLE)和一系列着色过程回溯细节,为种子图像寻找合适的高维样本。实验表明,GenHop可生成视觉愉悦的图像,其FID分数在MNIST、Fashion-MNIST和CelebA数据集上与基于DL的生成模型相当甚至更优。
引用
@article{arxiv.2210.03689,
title = {GENHOP: An Image Generation Method Based on Successive Subspace Learning},
author = {Xuejing Lei and Wei Wang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2210.03689},
year = {2022}
}
备注
10 pages, 5 figures, accepted by ISCAS 2022