IntroVAE：用于照片图像合成的内省变分自编码器
机器学习
2018-10-30 v2 计算机视觉与模式识别
图形学
机器学习
摘要
我们提出一种新颖的内省变分自编码器（IntroVAE）模型，用于合成高分辨率照片图像。IntroVAE 能够自我评估其生成样本的质量并相应地进行自我改进。其推断模型与生成模型以自省方式联合训练。一方面，像普通 VAE 一样，生成器需要从推断模型的有噪输出中重建输入图像。另一方面，推断模型被鼓励区分生成样本与真实样本，而生成器则试图像 GAN 一样欺骗它。这两种著名的生成框架被集成在一个简单而高效的单流架构中，可单阶段训练。IntroVAE 保留了 VAE 的优势，如训练稳定与良好的隐空间流形。与大多数其他 VAE 和 GAN 的混合模型不同，IntroVAE 不需要额外的判别器，因为推断模型本身即充当判别器以区分生成样本与真实样本。实验表明，我们的方法生成的高分辨率照片级真实感图像（例如 的 CELEBA 图像）可与最先进 GAN 相媲美或更优。
引用
@article{arxiv.1807.06358,
title = {IntroVAE: Introspective Variational Autoencoders for Photographic Image Synthesis},
author = {Huaibo Huang and Zhihang Li and Ran He and Zhenan Sun and Tieniu Tan},
journal= {arXiv preprint arXiv:1807.06358},
year = {2018}
}