LR-GAN：用于图像生成的分层递归生成对抗网络
计算机视觉与模式识别
2017-08-03 v3 机器学习
摘要
我们提出 LR-GAN：一种考虑场景结构和上下文的对抗式图像生成模型。与以往的生成对抗网络（GAN）不同，该 GAN 学习分别且递归地生成图像背景与前景，并以上下文相关的方式将前景拼接到背景上，从而产生完整的自然图像。对于每个前景，模型学习生成其外观、形状和姿态。整个模型是无监督的，并通过梯度下降方法进行端到端训练。实验表明，与 DCGAN 相比，LR-GAN 能生成更自然的图像，且其中的物体更易于人类识别。
引用
@article{arxiv.1703.01560,
title = {LR-GAN: Layered Recursive Generative Adversarial Networks for Image Generation},
author = {Jianwei Yang and Anitha Kannan and Dhruv Batra and Devi Parikh},
journal= {arXiv preprint arXiv:1703.01560},
year = {2017}
}
备注
21 pages, 22 figures, published as a conference paper at ICLR 2017, code available on GitHub