用于生成建模的正态相似网络
计算机视觉与模式识别
2018-05-15 v1
摘要
高斯分布常被用作许多生成模型中的关键构建模块。然而,其在深度网络中的适用性尚未被充分探索。本文提出一种名为正态相似网络(NSN)的新型深度生成模型,其各层由高斯型滤波器构造。NSN 采用逐层非参数密度估计算法训练,该算法迭代下采样训练图像并在最终层捕获下采样训练图像的密度。此外,我们提出 NSN-Gen,通过迭代重建 NSN 隐藏层中的特征图,从噪声向量生成新样本。我们的实验表明,所提模型在包括图像生成、风格化与遮挡图像重建在内的广泛计算机视觉应用中取得了令人鼓舞的结果。
引用
@article{arxiv.1805.05269,
title = {Normal Similarity Network for Generative Modelling},
author = {Jay Nandy and Wynne Hsu and Mong Li Lee},
journal= {arXiv preprint arXiv:1805.05269},
year = {2018}
}