针对素描检索的对抗训练
该研究提出了一种基于笔画先验限制的生成对抗网络 SkrgAN,用于合成医学影像,实验结果表明该方法在各种图像模态下均能达到最先进的效果,并且用于数据增强可以提高医学图像分割方法的表现。
Aug, 2019
本文提出了一种基于 DD-GAN 网络的用于 0-shot 检索的手绘三维形状检索方法,通过学习 sketch 和 3D Shapes 的特征区别,生成了与其对应的词向量,生成器结合特定类别生成样本和通用特征生成未知类别的 3D 对象,试验表明该方法显著提高了检索性能。
Feb, 2022
本教程讨论了 GAN 技术及其在不同信息检索场景下的离散数据拟合的变体,着重介绍了 IRGAN 的基本 GAN 框架和直接应用在信息检索中拟合单个 ID 数据分布,以及 GAN 在生成文本和图形数据等方面的解决方案,并介绍了 IRGAN 和 Texygen 等相关开源平台来帮助研究者进行有关 GAN 的信息检索实验,最后对 GAN 在信息检索中未来研究方向进行了综合总结和展望。
Jun, 2018
通过 GAN Sketching 方法实现 GAN 模型的简化,即利用一个或若干草图改变 GAN 模型的权重,鼓励模型输出与用户草图匹配,同时保留原始模型的多样性和图像质量,实现了潜空间插值和图像编辑。
Aug, 2021
本研究提出了一种新的生成对抗网络 (GAN) 方法,利用数据增强及信息流构建模块等技术,在摩托车、马和沙发等 50 类别的草图上合成逼真的图像,并在 Inception 分数上取得显著的改进。
Jan, 2018
本文提出了两种基于深度学习的神经网络架构,SkeGAN 和 VASkeGAN,用于生成矢量格式的手绘素描,并且引入了 Ske-score 度量来评估其质量。经过人类 图灵测试和 Ske-score 评估,验证了这两个模型的生成结果质量较好。
Apr, 2019
本文介绍了一种使用生成对抗网络的无监督对抗攻击方法,旨在针对基于深度特征的图像检索系统形成对抗查询,通过在有纹理的区域加入微小扰动使得攻击者的图像查询与原始查询相似度降低。
Jul, 2019
本文提出一种使用二进制生成对抗网络(BGAN)进行无监督学习的图片编码方法,通过限制噪声变量为二进制并使用新的标志激活策略和损失函数,在不松弛约束条件下生成二进制编码,并提高了图像检索的准确性,相较于现有的哈希方法,我们的方法在标准数据集上的表现提高了 107%。
Aug, 2017