伯克利新论文 | 合成GAN（Compositional GAN）

【导读】伯克利大学今日发表一篇最新论文，改进生成对抗网络GAN，提出了一个名为“Compositional GAN”的模型，将GAN框架中的对象组合建模为一个self-consistent 的组合分解网络。

论文下载地址：

http://www.zhuanzhi.ai/paper/941ab2f6e9ac2bb5d9c7a7db04b91574

生成对抗性网络(GANs)可以产生复杂而真实的图像，但通常是从单个潜在源中抽取样本，而忽略了可能存在于一个场景中的多个实体之间的显式空间交互。捕捉世界上不同对象之间的这种复杂交互，包括它们的相对缩放、空间布局、遮挡或视点转换是一个具有挑战性的问题。在本工作中，作者提出将GAN框架中的对象组合建模为一个self-consistent 的组合分解网络。模型以目标图像为条件，通过它们的边缘分布，通过显式学习可能的相互作用，从它们的联合分布中生成真实的图像。在训练过程中，通过定性实验和用户评价，给出了单个目标图像和联合场景的配对或未配对实例，结果表明，该模型以合理的方式捕捉了两个输入对象域之间的潜在交互，以合理的方式输出合成场景的新实例。

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知