面向图像合成的逆转对抗鲁棒网络

尽管无条件特征反演是许多图像合成应用的基础，但训练反演器需要高昂的计算开销、较大的解码能力以及如自回归先验等附加条件。为应对这些局限，我们提出使用对抗鲁棒表示作为特征反演的感知基元。我们训练一个对抗鲁棒编码器来提取解耦且感知对齐的图像表示，使其易于反演。通过以编码器的镜像架构训练一个简单的生成器，我们相比标准模型实现了更优的重建质量与泛化能力。基于此，我们提出一种对抗鲁棒自编码器，并展示了其在风格迁移、图像去噪和异常检测任务上改进的性能。与近期 ImageNet 特征反演方法相比，我们的模型以显著更低的复杂度获得了改进的性能。