自标注条件 GAN
计算机视觉与模式识别
2020-12-04 v1
摘要
本文提出一种新颖且完全无监督的条件 GAN 训练框架,其中标签从数据中自动获得。我们将一个聚类网络引入标准条件 GAN 框架中,该网络与判别器对抗。它与生成器一起旨在寻找一种共享的结构化映射,用于将伪标签与真实及生成图像相关联。我们的生成器在 ImageNet 和 LSUN 等大规模数据集上以显著优势在 FID 方面优于无条件 GAN。它还在 CIFAR10 和 CIFAR100 上优于使用人类标签训练的类条件 GAN,而在这些数据集上细粒度标注或每类大量样本并不可用。此外,我们的聚类网络在 CIFAR100 聚类上超越了最先进水平。
引用
@article{arxiv.2012.02162,
title = {Self-labeled Conditional GANs},
author = {Mehdi Noroozi},
journal= {arXiv preprint arXiv:2012.02162},
year = {2020}
}