基于变分信息生成对抗网络的图像生成与编辑
计算机视觉与模式识别
2017-01-18 v1
摘要
近来，深度学习中图像生成模型引起了巨大兴趣。为此，生成对抗网络（GAN）与变分自编码器（VAE）已成为两个最突出且流行的模型。VAE 倾向于产生极好的重建但模糊的样本，而 GAN 生成清晰但略微失真的图像。本文中，我们提出一种称为变分 InfoGAN（ViGAN）的新模型。我们的目标有两个：（i）基于视觉描述生成新图像；（ii）通过固定图像的潜在表示并改变视觉描述来修改图像。我们在 Labeled Faces in the Wild (LFW)、celebA 以及修改版的 MNIST 数据集上评估我们的模型，并展示了我们的模型生成新图像以及通过改变属性来修改给定图像的能力。
引用
@article{arxiv.1701.04568,
title = {Image Generation and Editing with Variational Info Generative AdversarialNetworks},
author = {Mahesh Gorijala and Ambedkar Dukkipati},
journal= {arXiv preprint arXiv:1701.04568},
year = {2017}
}