生成对抗网络中的隐狄利克雷分配
机器学习
2019-11-07 v5 计算机视觉与模式识别
机器学习
摘要
我们研究基于生成对抗网络（GANs）的图像多模态生成建模问题。尽管现有方法取得了成功，它们往往忽略视觉数据的底层结构或其多模态生成特性。为解决此问题，我们引入狄利克雷先验用于多模态图像生成，从而产生了一种新颖的基于隐狄利克雷分配的生成对抗网络（LDAGAN）。具体而言，对于生成过程建模，LDAGAN为每个样本定义一个生成模式，确定其属于哪个生成子过程。对于对抗训练，LDAGAN推导出一种变分期望最大化（VEM）算法来估计模型参数。在真实世界数据集上的实验结果证明了LDAGAN相对于其他现有GANs的优异性能。
引用
@article{arxiv.1812.06571,
title = {Latent Dirichlet Allocation in Generative Adversarial Networks},
author = {Lili Pan and Shen Cheng and Jian Liu and Yazhou Ren and Zenglin Xu},
journal= {arXiv preprint arXiv:1812.06571},
year = {2019}
}