MIXGAN：从异域学习概念以进行混合生成
机器学习
2018-07-05 v1 人工智能
机器学习
摘要
本文提出了一种关于混合生成的趣味性尝试：从不同领域吸收不同的图像概念（如内容与风格），从而利用所学概念生成一个新的领域。具体而言，我们提出了一种混合生成对抗网络（MIXGAN）。MIXGAN 分别从两个领域学习内容与风格概念，因而可在新领域中将二者结合以进行混合生成，即生成具有某一领域内容、另一领域风格的图像。MIXGAN 克服了当前基于 GAN 的模型的局限，这些模型要么在训练阶段所观测到的同一领域内生成新图像，要么需要现成的内容模板来进行迁移或转换。大量实验结果表明，与相关的 SOTA 基于 GAN 的模型相比，MIXGAN 具有有效性。
引用
@article{arxiv.1807.01659,
title = {MIXGAN: Learning Concepts from Different Domains for Mixture Generation},
author = {Guang-Yuan Hao and Hong-Xing Yu and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1807.01659},
year = {2018}
}
备注
Accepted by IJCAI-ECAI 2018, the 27th International Joint Conference on Artificial Intelligence and the 23rd European Conference on Artificial Intelligence