基于自编码器的生成对抗网络逆映射学习
机器学习
2017-09-13 v2
摘要
GAN（生成对抗网络）生成器的逆映射具有很大的潜在价值。因此，已有一些工作通过直接学习或对抗学习来构建生成器的逆函数。尽管结果令人鼓舞，但这一问题极具挑战性，且现有的GAN逆模型训练方法存在诸多缺点，如难以训练或性能不佳。由于这些原因，我们提出了一种新方法，利用逆生成器（）模型作为自编码器（AutoEncoder）网络的编码器，预训练的生成器（）作为解码器，来训练模型。在该模型中，自编码器的输入与输出（均为预训练GAN生成器生成的图像）之间的差异被直接最小化。该优化方法能够克服非一对一函数的训练和逆模型构建困难。我们还将GAN生成器的逆模型应用于图像搜索与转换。实验结果证明，所提方法在图像搜索中优于传统方法。
引用
@article{arxiv.1703.10094,
title = {Learning Inverse Mapping by Autoencoder based Generative Adversarial Nets},
author = {Junyu Luo and Yong Xu and Chenwei Tang and Jiancheng Lv},
journal= {arXiv preprint arXiv:1703.10094},
year = {2017}
}
备注
10 pages, 5 figures