xAI-CycleGAN：一种循环一致生成辅助网络
计算机视觉与模式识别
2023-12-07 v1 人工智能
摘要
在无监督图像到图像变换使用生成变换模型的领域中，CycleGAN 已成为首选架构。该架构的主要缺点之一是其收敛速度相对较慢。在这项工作中，我们利用判别器驱动的或可解释性来加速生成模型的收敛速度，方法是基于 Nagisetty 等人的工作，使用来自判别器的显著性图在反向传播期间掩蔽生成器的梯度，并基于 Wang M. 的 Mask CycleGAN 引入输入上的显著性图，叠加在高斯噪声掩蔽上，使用可解释的潜变量。这允许双向的可解释性融合，并利用输入上添加噪声的显著性图作为基于证据的反事实滤波。这种新架构比基线 CycleGAN 架构具有更高的收敛速度，同时保持图像质量。
引用
@article{arxiv.2306.15760,
title = {xAI-CycleGAN, a Cycle-Consistent Generative Assistive Network},
author = {Tibor Sloboda and Lukáš Hudec and Wanda Benešová},
journal= {arXiv preprint arXiv:2306.15760},
year = {2023}
}
备注
10 pages, 4 figures, ICVS TU Wien 2023