LatentCLR：一种用于无监督发现可解释方向的自监督对比学习方法
机器学习
2021-10-07 v2 计算机视觉与模式识别
摘要
近期研究表明，在预训练生成对抗网络（GANs）的潜在空间中寻找可解释方向是可行的。这些方向支持可控图像生成，并支持缩放或旋转等广泛的语义编辑操作。此类方向的发现通常以监督或半监督方式进行，且需要手动标注，这限制了其实际应用。相比之下，无监督发现可找到难以先验察觉的细微方向。本工作中，我们提出一种基于对比学习的方法，以自监督方式在预训练GANs的潜在空间中发现语义方向。我们的方法发现的语义维度可与最先进方法相媲美。
引用
@article{arxiv.2104.00820,
title = {LatentCLR: A Contrastive Learning Approach for Unsupervised Discovery of Interpretable Directions},
author = {Oğuz Kaan Yüksel and Enis Simsar and Ezgi Gülperi Er and Pinar Yanardag},
journal= {arXiv preprint arXiv:2104.00820},
year = {2021}
}