可视化和绘制生成对抗网络激活
计算机视觉与模式识别
2024-08-08 v3 机器学习
摘要
我们研究生成式对抗网络（GAN）中生成结构与隐藏层激活之间的关联，以更好地理解这些模型的内部工作机制，并能够使用未条件训练的GAN绘制结构。这赋予我们对生成图像的更大控制力，使我们能够从语义分割图生成图像，而无需在训练数据中包含此类分割。为此，我们引入“可平铺特征”（tileable features）的概念，帮助识别适合绘制的激活。
引用
@article{arxiv.2405.15636,
title = {Visualize and Paint GAN Activations},
author = {Rudolf Herdt and Peter Maass},
journal= {arXiv preprint arXiv:2405.15636},
year = {2024}
}