欧氏空间之弊：少样本图像生成的双曲属性编辑
计算机视觉与模式识别
2023-08-22 v2
摘要
少样本图像生成是一项具有挑战性的任务，因其旨在仅用少量图像为未见类别生成多样的新图像。现有方法在生成图像的质量与多样性之间面临权衡。为解决这个问题，我们提出双曲属性编辑（HAE），一种简单而有效的方法。与其他在欧氏空间中工作的方法不同，HAE利用双曲空间中来自已见类别的数据捕捉图像间的层次结构。给定训练良好的HAE，未见类别的图像可通过将给定图像的潜码在Poincaré盘中以固定半径朝向任意有意义的方向移动来生成。最重要的是，双曲空间允许我们通过设置盘中不同半径来控制生成图像的语义多样性。大量实验与可视化表明，HAE不仅能够利用有限数据生成具有良好质量与多样性的图像，还能实现高度可控且可解释的编辑过程。
引用
@article{arxiv.2211.12347,
title = {The Euclidean Space is Evil: Hyperbolic Attribute Editing for Few-shot Image Generation},
author = {Lingxiao Li and Yi Zhang and Shuhui Wang},
journal= {arXiv preprint arXiv:2211.12347},
year = {2023}
}
备注
ICCV 2023