基于对抗学习的图像到图像翻译的理论分析
机器学习
2018-06-20 v1 机器学习
摘要
近来，对抗学习框架下用于图像到图像翻译任务的统一模型引起了计算机视觉从业者的广泛研究兴趣。然而其报告的实证成功缺乏对其内在机制的扎实理论解释。本文中，我们从全新的几何视角重新表述其模型，并最终对其实验中一些有趣但不清晰的实证现象给出了完整解释。此外，通过将生成对抗网络的泛化定义推广到更广的意义，我们推导出了控制其模型泛化能力的准则。根据我们推导的准则，也就模型设计和数据集构建提出了若干实用建议，以指导进一步的实证研究。
引用
@article{arxiv.1806.07001,
title = {Theoretical Analysis of Image-to-Image Translation with Adversarial Learning},
author = {Xudong Pan and Mi Zhang and Daizong Ding},
journal= {arXiv preprint arXiv:1806.07001},
year = {2018}
}
备注
will appear in ICML2018