基于内省对抗网络的神经照片编辑
机器学习
2017-02-07 v3 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
生成式图像模型日益逼真的样本质量表明，其在图像生成之外的应用中具有可行性。我们提出了神经照片编辑器，这是一种利用生成神经网络对现有图像进行大规模、语义连贯修改的界面。为解决在不损失特征质量的前提下实现精确重建的挑战，我们引入了内省对抗网络，这是一种 VAE 与 GAN 的新型混合模型。我们的模型通过使用基于权重共享的膨胀卷积的计算块来高效捕获长程依赖，并通过正交正则化（一种新颖的权重正则化方法）提升泛化性能。我们在 CelebA、SVHN 和 CIFAR-100 上验证了我们的贡献，并生成了具有高视觉保真度的样本和重建结果。
引用
@article{arxiv.1609.07093,
title = {Neural Photo Editing with Introspective Adversarial Networks},
author = {Andrew Brock and Theodore Lim and J. M. Ritchie and Nick Weston},
journal= {arXiv preprint arXiv:1609.07093},
year = {2017}
}
备注
10 pages, 7 figures, 3 tables