用生成器网络复现主动表观模型
计算机视觉与模式识别
2018-05-23 v1 机器学习
机器学习
摘要
近期一篇 Cell 论文 [Chang and Tsao, 2017] 报道了一项有趣发现。对于由预训练主动表观模型（AAM）生成的人脸刺激，灵长类动物大脑中负责人脸识别的脑区神经元响应，与该生成人脸刺激的 AAM 的形状变量和表观变量呈现强线性关系。在本文中，我们展示了这一行为可由一种称为生成器网络的深度生成模型复现，该模型假设观测信号由潜随机变量经自顶向下卷积神经网络生成。具体而言，我们使用变分自编码器从预训练 AAM 模型生成的人脸图像中学习生成器网络，并展示所学生成器网络的推断潜变量与生成该人脸图像的 AAM 模型的形状和表观变量具有强线性关系。不同于具有显式形状模型（其形状变量生成控制点或地标）的 AAM 模型，生成器网络并无此类形状模型与形状变量。然而，生成器网络能够习得形状知识，即所学生成器网络的某些潜变量捕捉了 AAM 生成人脸图像中的形状变化。
引用
@article{arxiv.1805.08704,
title = {Replicating Active Appearance Model by Generator Network},
author = {Tian Han and Jiawen Wu and Ying Nian Wu},
journal= {arXiv preprint arXiv:1805.08704},
year = {2018}
}