深度条件生成网络的信息补偿
机器学习
2022-03-08 v3 计算机视觉与模式识别
机器学习
摘要
近年来，无监督/弱监督条件生成对抗网络（GAN）在数据的建模与生成任务上取得了诸多成功。然而，其弱点之一在于分离或解耦表征其潜空间中编码的不同因素的能力较差。为解决此问题，我们提出了一种由新型信息补偿连接（IC-Connection）驱动的无监督条件 GAN 新结构。所提出的 IC-Connection 使 GAN 能够补偿反卷积操作中发生的信息损失。此外，为量化离散与连续潜变量上的解耦程度，我们设计了一种新的评估流程。我们的实验结果表明，在条件生成设定下，相较最先进的 GAN，我们的方法实现了更好的解耦。
引用
@article{arxiv.2001.08559,
title = {Information Compensation for Deep Conditional Generative Networks},
author = {Zehao Wang and Kaili Wang and Tinne Tuytelaars and Jose Oramas},
journal= {arXiv preprint arXiv:2001.08559},
year = {2022}
}
备注
I think my previous work during master study is too naive