从生成对抗网络精确恢复潜向量
机器学习
2017-02-20 v2 神经与进化计算
机器学习
摘要
生成对抗网络（GANs）将潜向量转换为视觉上合理的图像。通常认为，原始的 GAN 公式没有提供开箱即用的方法来反转该映射，即将图像投影回潜空间。我们引入了一种简单的、基于梯度的技术，称为随机裁剪（stochastic clipping）。在实验中，对于由 GAN 生成的图像，我们 100% 精确地恢复了它们的潜向量原像。额外的实验表明该方法对噪声具有鲁棒性。最后，我们展示即使对于未见过的图像，我们的方法似乎也能恢复唯一的编码。
引用
@article{arxiv.1702.04782,
title = {Precise Recovery of Latent Vectors from Generative Adversarial Networks},
author = {Zachary C. Lipton and Subarna Tripathi},
journal= {arXiv preprint arXiv:1702.04782},
year = {2017}
}