基于空间随机网络低失真块重采样
机器学习
2020-12-11 v2 机器学习
摘要
我们形式化并着手解决从旧图像生成新图像的问题：新图像应尽可能多样，仅允许图像某些部分无限制地改变，同时保持全局一致性。这涵盖了生成建模中的典型情形——我们对生成数据的某些部分满意，但希望对其他部分重新采样（“我总体上喜欢这座生成的城堡，但这座塔看起来不真实，我想要一座新的”）。为攻克此问题，我们基于最优的条件与无条件生成模型，引入一种新的网络架构、训练过程以及按所需对图像部分重采样的算法。
引用
@article{arxiv.2006.05394,
title = {Low Distortion Block-Resampling with Spatially Stochastic Networks},
author = {Sarah Jane Hong and Martin Arjovsky and Darryl Barnhart and Ian Thompson},
journal= {arXiv preprint arXiv:2006.05394},
year = {2020}
}