利用卷积网络学习生成椅子、桌子与汽车图像
计算机视觉与模式识别
2017-08-04 v4 机器学习
神经与进化计算
摘要
我们训练了生成式“上卷积”神经网络，使其能够根据给定的物体风格、视角和颜色生成物体图像。我们在椅子、桌子和汽车的渲染三维模型上训练了这些网络。实验表明，这些网络并非仅仅死记硬背所有图像，而是找到了三维模型的一种有意义表示，从而能够评估不同模型的相似性、在给定视角之间进行插值以生成缺失的视角、外推视角，并通过重组训练实例甚至混合两个不同物体类别来创造训练集中不存在的新物体。此外，我们还表明，此类生成网络可用于寻找数据集中不同物体之间的对应关系，其性能优于该任务上的现有方法。
引用
@article{arxiv.1411.5928,
title = {Learning to Generate Chairs, Tables and Cars with Convolutional Networks},
author = {Alexey Dosovitskiy and Jost Tobias Springenberg and Maxim Tatarchenko and Thomas Brox},
journal= {arXiv preprint arXiv:1411.5928},
year = {2017}
}
备注
v4: final PAMI version. New architecture figure