IntersectGAN：学习域交集以生成多属性图像
计算机视觉与模式识别
2019-10-04 v2
摘要
生成对抗网络（GANs）在生成各种视觉内容方面已展现出巨大成功。然而，现有GAN生成的图像通常具有从单一图像域学到的属性（例如微笑表情）。因此，生成具有多个属性的图像需要许多同时具备多种属性的真实样本，而收集这些样本成本极高。本文中，我们提出一种新颖的GAN，即IntersectGAN，通过一种交集架构从不同图像域学习多种属性。例如，给定两个具有特定属性的图像域 和 ，交集 表示一个新域，其中的图像同时拥有来自 和 域的属性。所提出的IntersectGAN包含两个判别器 和 以区分不同域的生成样本与真实样本，以及三个生成器，其中交集生成器针对两个判别器进行训练。并且，一个总体对抗损失函数定义于三个生成器之上。因此，我们提出的IntersectGAN可以在每个域呈现一种特定属性的多个域上进行训练，并最终消除对同时具备多种属性的真实样本图像的需求。通过使用CelebFaces Attributes数据集，我们提出的IntersectGAN能够生成具有多种属性的高质量人脸图像（例如，具有黑发和微笑表情的脸）。我们进行了定性与定量评估，将提出的IntersectGAN与其他基线方法进行比较。此外，我们还探索了IntersectGAN的若干不同应用，并取得了有前景的结果。
引用
@article{arxiv.1909.09767,
title = {IntersectGAN: Learning Domain Intersection for Generating Images with Multiple Attributes},
author = {Zehui Yao and Boyan Zhang and Zhiyong Wang and Wanli Ouyang and Dong Xu and Dagan Feng},
journal= {arXiv preprint arXiv:1909.09767},
year = {2019}
}