迈向空间无偏生成模型
机器学习
2021-08-04 v1 计算机视觉与模式识别
摘要
最近的图像生成模型展现出卓越的生成性能。然而，它们反映了数据集中强烈的空间位置偏好，我们称之为空间偏差。因此，生成器在未见过的位置和尺度上会渲染出质量较差的样本。我们认为生成器依赖其隐式位置编码来渲染空间内容。根据我们的观察，生成器的隐式位置编码是平移可变的，这使得生成器具有空间偏差。为解决此问题，我们提出在生成器的每个尺度注入显式位置编码。通过学习空间无偏的生成器，我们促进了生成器在多项任务中的稳健应用，例如GAN反演、多尺度生成、任意尺寸与宽高比的生成。此外，我们证明我们的方法也可应用于去噪扩散概率模型。
引用
@article{arxiv.2108.01285,
title = {Toward Spatially Unbiased Generative Models},
author = {Jooyoung Choi and Jungbeom Lee and Yonghyun Jeong and Sungroh Yoon},
journal= {arXiv preprint arXiv:2108.01285},
year = {2021}
}
备注
ICCV 2021