从条件生成对抗网络中恢复条件向量的研究
计算机视觉与模式识别
2019-03-26 v1 机器学习
摘要
条件生成对抗网络(conditional Generative Adversarial Network)能够根据某些外部信息生成样本。能够从条件GAN中恢复潜在向量和条件向量，在多种应用中具有潜在价值，从用于娱乐目的的图像操控到出于安全目的对神经网络进行诊断。在本工作中，我们表明，在给定条件生成对抗网络的生成器的情况下，可以从生成的图像中恢复潜在向量和条件向量。由于深度神经网络通常具有多层非线性，这种恢复并非易事。此外，我们还研究了这种恢复应用于真实自然图像时的效果。我们发现，生成图像与真实图像上的恢复性能之间存在差距，我们认为这源于生成数据分布与真实数据分布之间的差异。我们进行了实验，从定量和定性上评估恢复的条件向量以及由这些恢复向量重建的图像，展示了有前景的结果。
引用
@article{arxiv.1712.01833,
title = {Towards Recovery of Conditional Vectors from Conditional Generative Adversarial Networks},
author = {Sihao Ding and Andreas Wallin},
journal= {arXiv preprint arXiv:1712.01833},
year = {2019}
}
备注
Under consideration for Pattern Recognition Letters, 11 pages