基于聚类生成对抗网络的标志合成与操纵
计算机视觉与模式识别
2020-08-04 v1 机器学习
机器学习
摘要
为新品牌设计标志是设计师与客户之间漫长而繁琐的反复修改过程。本文探讨机器学习在多大程度上能解决设计师的创造性任务。为此，我们构建了一个数据集——LLD，包含从万维网爬取的60万多个标志。在如此多模态数据上训练生成对抗网络（GAN）进行标志合成并非易事，会导致某些最先进方法出现模式崩塌。我们提出利用通过聚类获得的合成标签来解耦并稳定GAN训练。我们能够生成高度多样化且合理的标志，并演示了潜在空间探索技术，以交互方式辅助标志设计任务。此外，我们在CIFAR-10上验证了所提聚类GAN训练方法，利用通过聚类ImageNet分类器特征获得的合成标签，达到了最先进的Inception分数。GAN借助聚类获得的合成标签能够处理多模态数据，我们的结果展示了此类技术在标志合成与操纵方面的创造潜力。我们的数据集和模型将在https://data.vision.ee.ethz.ch/cvl/lld/公开发布。
引用
@article{arxiv.1712.04407,
title = {Logo Synthesis and Manipulation with Clustered Generative Adversarial Networks},
author = {Alexander Sage and Eirikur Agustsson and Radu Timofte and Luc Van Gool},
journal= {arXiv preprint arXiv:1712.04407},
year = {2020}
}