生成对抗网络的条件化方法
机器学习
2016-11-07 v1 人工智能
机器学习
摘要
生成对抗网络 (GANs) 是一类生成模型，其随机样本能真实反映自然图像。它也可以通过将条件向量拼接至输入来生成具有特定属性的样本，然而该领域的研究尚不充分。我们提出了条件化生成对抗网络 (GANs) 的新方法，在 MNIST 和 CIFAR-10 上取得了最先进的 (state-of-the-art) 结果。我们主要引入两种模型：一种从样本中提取条件信息的信息提取模型，以及一种由图像与条件向量的空间叉积导出双线性特征的空间双线性池化模型。与拼接方法相比，这些方法显著提升了条件分布下测试数据的对数似然。
引用
@article{arxiv.1611.01455,
title = {Ways of Conditioning Generative Adversarial Networks},
author = {Hanock Kwak and Byoung-Tak Zhang},
journal= {arXiv preprint arXiv:1611.01455},
year = {2016}
}