通过匹配感知特征学习隐式生成模型
计算机视觉与模式识别
2019-08-01 v1 机器学习
摘要
感知特征（PFs）在迁移学习、风格迁移和超分辨率等任务中已取得了巨大成功。然而，PFs 作为学习生成模型的关键信息来源的效能尚未被充分研究。本文在通过矩匹配（MM）学习隐式生成模型的背景下研究 PFs 的使用。更具体地，我们提出一种新的有效 MM 方法，通过对预训练 ConvNets 提取的特征进行均值和协方差匹配来学习隐式生成模型。我们提出的方法在以下方面改进了现有的 MM 方法：（1）摆脱对抗学习中有问题的极小极大博弈；（2）避免在线学习核函数；（3）在所用矩的数量和所需小批量大小方面均高效。我们的实验结果表明，由于预训练深度 ConvNets 的 PFs 具有强表达力，我们的方法在具有挑战性的基准上取得了最先进的结果。
引用
@article{arxiv.1904.02762,
title = {Learning Implicit Generative Models by Matching Perceptual Features},
author = {Cicero Nogueira dos Santos and Youssef Mroueh and Inkit Padhi and Pierre Dognin},
journal= {arXiv preprint arXiv:1904.02762},
year = {2019}
}
备注
16 pages