基于摊销结构正则化的多目标生成
机器学习
2019-06-11 v1 机器学习
摘要
深度生成模型（DGMs）在图像生成方面已展现出潜力。然而，现有大多数工作仅通过优化模型与数据边际分布之间的散度来学习模型，往往无法捕捉多目标图像中丰富的结构与关系。人类知识是 DGMs 成功推断这些结构的关键因素。本文提出摊销结构正则化（ASR）框架，采用后验正则化（PR）通过一组结构约束将人类知识嵌入 DGMs。我们推导了正则化对数似然的下界，可针对生成模型与识别模型高效联合优化。实验结果表明，ASR 在推断准确率与样本质量上显著优于 DGM 基线。
引用
@article{arxiv.1906.03923,
title = {Multi-objects Generation with Amortized Structural Regularization},
author = {Kun Xu and Chongxuan Li and Jun Zhu and Bo Zhang},
journal= {arXiv preprint arXiv:1906.03923},
year = {2019}
}