通过深度特征一致与生成对抗训练改进变分自编码器
计算机视觉与模式识别
2019-06-06 v1
摘要
我们提出了一种改进变分自编码器（VAE）性能的新方法。除了强制深度特征一致原则从而确保 VAE 输出与其对应输入图像具有相似的深度特征外，我们还实现了一种生成对抗训练机制，以迫使 VAE 输出逼真且自然的图像。我们给出了实验结果，表明采用我们新方法训练的 VAE 在生成人脸图像方面优于当前最优方法，其鼻子、眼睛、牙齿、头发纹理明显更清晰自然，且背景合理。我们还表明，我们的方法能够学习输入人脸图像的有力嵌入，可用于实现面部属性操控。此外，我们提出了一种多视角特征提取策略来提取有效的图像表示，可用于在面部属性预测中取得当前最优性能。
引用
@article{arxiv.1906.01984,
title = {Improving Variational Autoencoder with Deep Feature Consistent and Generative Adversarial Training},
author = {Xianxu Hou and Ke Sun and Linlin Shen and Guoping Qiu},
journal= {arXiv preprint arXiv:1906.01984},
year = {2019}
}
备注
Accepted in Neurocomputing, 2019. arXiv admin note: text overlap with arXiv:1610.00291