75、Semi-Supervised Single-Stage Controllable GANs for Conditional Fine-Grained Image Generation
当前效果较好的深度生成模型,通过设计多层级的模型结构、多个阶段的合成来提高细粒度图像的生成质量。
为减轻模型设计和训练的复杂程度,提出一种单阶段可控 GAN (SSCGAN),用于在半监督的情形中进行条件细粒度的图像合成。细粒度的对象类别可能具有细微的区别和共享属性,考虑三个变化因素:类无关的内容、跨类的属性和类别语义信息,并将它们与不同的变量相关联。为确保变量间的解耦,最大化类无关变量和合成图像之间的互信息,将真实数据映射到生成器的潜在空间以执行跨类属性的一致性正则化,并将基于类语义的正则化合并到判别器的特征空间。
SSC-GAN 在多个细粒度数据集上实现了最先进的半监督图像合成结果。
三十、细粒度检索
76、Retrieve in Style: Unsupervised Facial Feature Transfer and Retrieval
本文提出风格检索(RIS,Retrieve in Style),一种用于在真实图像上进行人脸特征迁移和检索的无监督框架。