【CVPR2022】开放集半监督图像生成

2022 年 5 月 3 日 专知



我们介绍了一种具有挑战性的条件GAN训练方案,称为开放集半监督图像生成,其中训练数据集由两部分组成: (i) 标记数据和(ii)未标记数据,其样本属于标记数据类中的一个,即一个封闭集,以及不属于任何标记数据类的样本,即一个开放集。与现有的半监督图像生成任务(未标记数据只包含封闭集样本)不同,我们的任务更加一般化,允许出现开放集样本,从而在实践中降低了数据收集成本。由于熵正则化,在标记数据上训练的分类器能够将cGAN训练的样本明智重要性量化为置信度,允许我们使用未标记数据中的所有样本。我们设计了OSSGAN,它根据未标记图像是否属于感兴趣的类别,为鉴别器提供决策线索,在训练过程中平滑地集成了标记数据和未标记数据。在Tiny ImageNet和ImageNet上的实验结果表明,与有监督的BigGAN和半监督方法相比,有显著的改进。我们的代码可以在https://github.com/raven38/OSSGAN上找到。


https://www.zhuanzhi.ai/paper/9c1171ff0905b7f0f141ba6d0af7c6f4


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“OSIG” 就可以获取【CVPR2022】开放集半监督图像生成》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资料
登录查看更多
1

相关内容

【CVPR2022】提示分布学习
专知会员服务
29+阅读 · 2022年5月17日
专知会员服务
28+阅读 · 2021年5月20日
专知会员服务
36+阅读 · 2021年3月29日
专知会员服务
61+阅读 · 2021年3月12日
专知会员服务
32+阅读 · 2021年3月7日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
专知会员服务
43+阅读 · 2021年1月31日
【CVPR2022】带噪声标签的少样本学习
专知
1+阅读 · 2022年4月15日
【CVPR2022】通过特征Mixing进行主动学习
专知
0+阅读 · 2022年3月15日
【CVPR2021】细粒度多标签分类
专知
44+阅读 · 2021年3月8日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
Arxiv
30+阅读 · 2021年7月7日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
12+阅读 · 2018年1月12日
VIP会员
相关VIP内容
【CVPR2022】提示分布学习
专知会员服务
29+阅读 · 2022年5月17日
专知会员服务
28+阅读 · 2021年5月20日
专知会员服务
36+阅读 · 2021年3月29日
专知会员服务
61+阅读 · 2021年3月12日
专知会员服务
32+阅读 · 2021年3月7日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
专知会员服务
43+阅读 · 2021年1月31日
相关资讯
相关基金
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
相关论文
Top
微信扫码咨询专知VIP会员