基于不确定性感知成对比较的鲁棒条件 GAN
机器学习
2020-03-06 v2 计算机视觉与模式识别
摘要
条件生成对抗网络在过去几年中展现出卓越的生成性能。然而，它们需要大量标注。为解决该问题，我们提出一种利用成对比较形式弱监督（PC-GAN）进行图像属性编辑的新型生成对抗网络。基于贝叶斯不确定性估计与噪声容忍对抗训练，PC-GAN 能高效估计属性评分并展现出鲁棒的噪声抵抗性能。通过大量实验，我们从定性和定量两方面表明，PC-GAN 性能与全监督方法相当，且优于无监督基线。
引用
@article{arxiv.1911.09298,
title = {Robust Conditional GAN from Uncertainty-Aware Pairwise Comparisons},
author = {Ligong Han and Ruijiang Gao and Mun Kim and Xin Tao and Bo Liu and Dimitris Metaxas},
journal= {arXiv preprint arXiv:1911.09298},
year = {2020}
}
备注
Accepted for spotlight at AAAI-20