以半监督引导 InfoGAN
计算机视觉与模式识别
2017-07-25 v1 机器学习
摘要
本文提出一种新的半监督 GAN 架构（ss-InfoGAN）用于图像合成，其利用少量标签（低至数据集的 0.22%，最多 10%）学习语义有意义且可控的数据表示，其中潜在变量对应于标签类别。该架构构建于信息最大化生成对抗网络（InfoGAN）之上，被证明能学习连续和分类代码，并与完全无监督设置相比实现更高质量的合成样本。此外，我们展示使用少量标记数据加速训练收敛。该架构保持了对无可用标签的潜在变量解耦的能力。最后，我们从信息论角度推理引入半监督如何增加合成数据与真实数据之间的互信息。
引用
@article{arxiv.1707.04487,
title = {Guiding InfoGAN with Semi-Supervision},
author = {Adrian Spurr and Emre Aksan and Otmar Hilliges},
journal= {arXiv preprint arXiv:1707.04487},
year = {2017}
}