语义抖动：通过合成图像为视觉比较提供密集监督
计算机视觉与模式识别
2018-04-09 v2
摘要
区分属性上的细微差异是有价值的，然而学习进行视觉比较仍然并非易事。不仅可能比较的数量是训练图像数量的二次方，而且能够充分覆盖细粒度视觉差异空间的图像获取途径也很有限。我们提议通过合成生成的图像来克服监督稀疏的问题。基于最先进的图像生成引擎，我们采样出展现单个属性细微修改的成对训练图像。用这些例子增强真实训练图像对后，我们训练属性排序模型，以预测真实图像新配对中属性的相对强度。我们在人脸和时尚图像数据集上的结果显示了利用不完美的图像生成器进行自举以抵消样本稀疏性来学习排序的巨大前景。
引用
@article{arxiv.1612.06341,
title = {Semantic Jitter: Dense Supervision for Visual Comparisons via Synthetic Images},
author = {Aron Yu and Kristen Grauman},
journal= {arXiv preprint arXiv:1612.06341},
year = {2018}
}