用于细粒度可控图像生成的变分条件GAN
胡明琪、周德宇、何玉兰
第十一届亚洲机器学习会议记录,PMLR 101:109-1242019年。
摘要
本文提出了一种新的条件GAN变分生成器框架,用于捕获语义细节,以提高生成质量和多样性。条件GAN中的传统生成器只是将条件向量与噪声串联起来作为输入表示,直接用于上采样操作。然而,隐藏的条件信息并没有被充分利用,尤其是当输入是类标签时。因此,我们在生成器中引入了一种变分推理,仅从条件输入中推断出潜在变量的后验,这有助于实现图像生成的变量增强表示。定性和定量实验结果表明,该方法优于现有方法,获得了逼真的可控图像。
引用本文
相关材料