人类标注提升GAN性能
计算机视觉与模式识别
2019-11-18 v1
摘要
生成对抗网络（GANs）已在诸多应用中展现出巨大成功。本工作中，我们提出一种利用人类标注提升生成图像质量的新方法。与以往直接要求标注者以直白方式区分真实与伪造数据的范式不同，我们提出并标注了一组精心设计的、在各层次编码重要图像信息的属性，以理解伪造与真实图像之间的差异。具体而言，我们收集了一个包含600张伪造图像和400张真实图像的标注数据集。这些图像由来自Amazon Mechanical Turk（AMT）的10名工人基于八个精心定义的属性进行评价。统计分析揭示了所提属性在真实与伪造图像间的不同分布。这些属性被证明有助于区分伪造与真实图像，并且我们开发了深度神经网络来自动预测这些属性。我们进一步通过将属性整合进GANs来利用该信息以生成更好的图像。多个指标评估的实验结果显示了所提模型的性能提升。
引用
@article{arxiv.1911.06460,
title = {Human Annotations Improve GAN Performances},
author = {Juanyong Duan and Sim Heng Ong and Qi Zhao},
journal= {arXiv preprint arXiv:1911.06460},
year = {2019}
}