通过稀疏化生成网络诱导层次组合模型
计算机视觉与模式识别
2020-06-23 v2 机器学习
图像与视频处理
机器学习
摘要
本文提出通过稀疏化生成网络来学习用于可解释图像合成的层次组合AND-OR模型。所提方法采用图像表示中的场景-对象-部件-子部件-基元层次结构。一个场景具有不同类型（即OR），每种类型由若干对象组成（即AND）。这可跨场景-对象-部件-子部件层次结构递归表述，并在基元层（例如类小波基）终止。为在图像合成中实现此AND-OR层次结构，我们学习一个由以下两部分组成的生成网络：(i) 层次结构的每一层由一组过完备的卷积基函数表示。利用现成的卷积神经架构来实现该层次结构。(ii) 在端到端训练中引入稀疏诱导约束，从而从初始密集连接的生成网络中诱导出稀疏激活且稀疏连接的AND-OR模型。采用一种直接的稀疏诱导约束，即仅允许每层 top- 个基函数被激活（其中 为超参数）。学习到的基函数也能够进行图像重建以解释输入图像。实验中，所提方法在四个基准数据集上测试。结果表明，学习到了有意义且可解释的层次表示，并获得了优于基线的更好图像合成与重建质量。
引用
@article{arxiv.1909.04324,
title = {Inducing Hierarchical Compositional Model by Sparsifying Generator Network},
author = {Xianglei Xing and Tianfu Wu and Song-Chun Zhu and Ying Nian Wu},
journal= {arXiv preprint arXiv:1909.04324},
year = {2020}
}
备注
This is the CVPR version