Pioneer网络：渐进式生长的生成式自编码器
机器学习
2018-10-10 v2 计算机视觉与模式识别
机器学习
摘要
我们提出一种新颖的生成式自编码器网络模型，能够高质量、高分辨率地编码与重建图像，并支持从编码器的潜空间中进行平滑随机采样。生成对抗网络（GAN）以模拟随机高质量图像著称，但无法重建已有图像。先前工作试图扩展GAN以支持此类推断，但迄今未给出令人满意的高质量结果。相反，我们提出渐进式生长生成式自编码器（PIONEER）网络，其在不需要GAN判别器的情况下以128×128图像实现高质量重建。我们将近期用于渐进式构建网络各部分的技术与新近引入的对抗式编码器-生成器网络相融合。重建输入图像的能力在许多现实应用中至关重要，并允许对已有图像进行精确的智能处理。我们在图像合成与推断上展示了有前景的结果，并在CelebA推断任务上取得最先进（state-of-the-art）结果。
引用
@article{arxiv.1807.03026,
title = {Pioneer Networks: Progressively Growing Generative Autoencoder},
author = {Ari Heljakka and Arno Solin and Juho Kannala},
journal= {arXiv preprint arXiv:1807.03026},
year = {2018}
}
备注
To appear in ACCV 2018