GAN中潜在语义发现的自监督增强
计算机视觉与模式识别
2021-12-17 v1 机器学习
摘要
已有若干方法用于发现预训练GAN潜在空间中可解释的方向。由于未使用预训练属性分类器，无监督方法发现的潜在语义相较有监督方法解耦程度较低。我们提出尺度排序估计器（SRE），其通过自监督进行训练。SRE 增强了现有无监督解耦技术所获得方向中的解耦性。这些方向被更新以保留潜在空间中每个方向内变化的排序。对所发现方向的定性与定量评估表明，我们提出的方法显著改善了多个数据集中的解耦性。我们还展示了学习到的 SRE 可用于执行基于属性的图像检索任务而无需进一步训练。
引用
@article{arxiv.2112.08835,
title = {Self-supervised Enhancement of Latent Discovery in GANs},
author = {Silpa Vadakkeeveetil Sreelatha and Adarsh Kappiyath and S Sumitra},
journal= {arXiv preprint arXiv:2112.08835},
year = {2021}
}
备注
Accepted to the 36th AAAI Conference on Artificial Intelligence (AAAI 2022)