内省生成建模：判别式决策
计算机视觉与模式识别
2017-04-26 v1 机器学习
神经与进化计算
摘要
我们通过开发内省生成建模（IGM）来研究无监督学习，该模型利用逐步学习的深度卷积神经网络获得生成器。生成器本身是一个判别器，能够进行内省：能够自我评估其生成样本与给定训练数据之间的差异。当继以重复的判别学习时，现代判别分类器的理想属性直接被生成器继承。IGM使用基于分类的合成算法学习级联的CNN分类器。在实验中，我们在包括纹理建模、艺术风格迁移、人脸建模和半监督学习在内的若干应用上观察到令人鼓舞的结果。
引用
@article{arxiv.1704.07820,
title = {Introspective Generative Modeling: Decide Discriminatively},
author = {Justin Lazarow and Long Jin and Zhuowen Tu},
journal= {arXiv preprint arXiv:1704.07820},
year = {2017}
}
备注
10 pages, 9 figures