面向 GAN 内容寻址的核均值匹配
机器学习
2019-05-16 v1 计算机视觉与模式识别
机器学习
摘要
我们提出一种新流程，为任何给定的无条件隐式模型（例如生成对抗网络（GAN））添加“内容寻址”能力。该流程允许用户通过指定一组（任意大小）期望样本来控制生成过程，并据此从模型生成相似样本。所提方法基于核均值匹配，适用于任何将隐向量转换为样本的 generative models，且不需要重新训练模型。在多个高维图像生成问题（CelebA-HQ、LSUN bedroom、bridge、tower）上的实验表明，我们的方法能够生成与输入集一致的图像，同时保持原始模型的图像质量。据我们所知，这是首个在测试时从训练好的边缘模型构建内容寻址生成模型的工作。
引用
@article{arxiv.1905.05882,
title = {Kernel Mean Matching for Content Addressability of GANs},
author = {Wittawat Jitkrittum and Patsorn Sangkloy and Muhammad Waleed Gondal and Amit Raj and James Hays and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:1905.05882},
year = {2019}
}
备注
Wittawat Jitkrittum and Patsorn Sangkloy contributed equally to this work