MNIST 数据集上的交互式潜空间插值
计算机视觉与模式识别
2020-10-16 v1 图像与视频处理
摘要
本文将讨论基于 Web 使用 GAN 进行降维的潜力。通过一系列实验，我们展示了合成视觉上吸引人的样本、在样本之间进行有意义的插值，以及使用潜向量执行线性算术。GAN 已被证明是一种生成与原始图像极为相似的计算机生成图像的卓越技术。当与降维结合时，这作为我们算法的有效应用尤为有用。我们提出了一种新的 GAN 架构，后因数学原因（下文解释）未能奏效。随后我们提出了一种新的基于 Web 的 GAN，仍利用降维将浏览器中的生成速度提升至 0.2 毫秒。最后，我们制作了一个带有线性插值的现代 UI 来展示该工作。凭借快速的生成，我们可以极速生成，从而创造出一种此前从未见过的、可在 Web 和移动端上运行的动画型效果。
引用
@article{arxiv.2010.07581,
title = {Interactive Latent Interpolation on MNIST Dataset},
author = {Mazeyar Moeini Feizabadi and Ali Mohammed Shujjat and Sarah Shahid and Zainab Hasnain},
journal= {arXiv preprint arXiv:2010.07581},
year = {2020}
}
备注
For associated demonstration and code repository, see https://mazy1998.github.io/browserGAN/ and https://github.com/mazy1998/browserGAN respectively