生成对抗网络的逐像素条件化
计算机视觉与模式识别
2019-11-05 v1 机器学习
图像与视频处理
摘要
生成对抗网络（GANs）已在无监督图像生成中证明成功。若干工作通过将生成以待重建图像的部分为条件，将 GANs 扩展到图像修复。然而，在仅已知图像像素中很小子集的设置下，这些方法存在局限。本文中，我们研究了在仅提供极少像素值时，通过添加显式正则化项来强制逐像素条件以条件化 GANs 的有效性。此外，我们还研究了该正则化项对生成图像质量及条件满足程度的影响。在 MNIST 和 FashionMNIST 上进行的实验表明，该正则化项能够控制生成图像质量与约束满足之间的权衡。
引用
@article{arxiv.1911.00689,
title = {Pixel-wise Conditioning of Generative Adversarial Networks},
author = {Cyprien Ruffino and Romain Hérault and Eric Laloy and Gilles Gasso},
journal= {arXiv preprint arXiv:1911.00689},
year = {2019}
}