AAAIDec, 2017

具流形值图像生成的 Wasserstein 生成对抗网络

PDF
TL;DR本文介绍了一种新的基于流型的生成模型，利用三个典型的例子：色相 - 饱和度 - 值（HSV）彩色图像生成、色度亮度（CB）彩色图像生成和扩散张量（DT）图像生成来生成流型值图像，并引入了一种最优输运定理，基于 WGAN 框架提出了一种新的 Wasserstein 距离度量，能够在三个基准数据集上生成比竞争对手更可信的流型值图像。
generative modelingmanifold-valued imageswganshsv color imagedt image
发现论文，激发创造
  • 带有条件 Wasserstein 生成对抗网络的希尔伯特超球上的动态面部表情生成

    通过使用流形算法结合生成对抗网络（GAN）来处理面部表情生成的问题，并进行了动态面部表情生成和数据量扩充以供训练情感识别模型。

    Jul, 2019

  • 流形到流形映射的基于流量的生成模型

    本研究提出了一种基于 GLOW 的双流版本，能够在给定另一个流形测量类型的情况下合成其他类型的测量信息，并引入了三种用于流形数据的可逆层，其中包括对人脑图像进行重构和合成的实验。

    Dec, 2020

  • Banach Wasserstein GAN

    本研究探索了 Wasserstein 生成对抗网络在巴拿赫空间中引入梯度惩罚后的理论扩展和一些具体选择的基础点，重点关注 Sobolev 范数，并在 CIFAR-10 和 CelebA 中展示了性能提升。

    Jun, 2018

  • 超越对抗扰动：借助流形辅助的具有合法语义的对抗样本

    提出了一种有监督的语义转换生成模型，用于生成具有真实和合法语义的对抗性样本，实现了从非对抗性样本到对抗性样本的合法过渡。实验结果表明，生成的对抗性样本不仅具有更好的视觉质量，还实现了更高的攻击可迁移性和更有效的模型漏洞解释。

    Feb, 2024

  • 自然图像流形上的生成视觉操作

    本文提出了一种基于生成对抗神经网络的自然图像流形的学习方法，以及一类图像编辑操作及其在学习到的流形上的实时约束优化方法以实现逼真的图片编辑与生成。

    Sep, 2016

  • SPDGAN: 基于 SPD 流形学习的生成对抗网络用于自动图像上色

    基于对称正定流形学习的生成对抗网络，提出了一种全自动着色方法，用于将灰度图像转化为彩色图像，实现更真实的彩色图像和更好的评价指标。

    Dec, 2023

  • 流形上的投影梯度下降算法

    本文提供了一种可计算、直接且数学严谨的方法，用于近似高维数据的类流形的微分几何，以及从输入空间到这些类流形的非线性投影。该方法应用于神经网络图像分类器的设置中，在流形上生成新颖的数据样本，并实现了流形上的对抗训练的投影梯度下降算法，以解决神经网络对对抗性攻击的敏感性问题。

    Aug, 2023

  • 跨不可比空间学习生成模型

    本文介绍了一种基于 Gromov-Wasserstein 距离的生成式模型学习方法，可以在不同空间里学习并掌握目标特性，具有应用于流形学习、关系学习和跨域学习等任务的灵活性。

    May, 2019

  • 图像流形的概率和语义描述及其应用

    该论文介绍了用于估计图像概率密度函数的方法，研究了生成模型在 AI 和计算机视觉领域的应用，探讨了用于防御对抗性攻击的可能性，并讨论了语义解释在描述图像上的应用。

    Jul, 2023

  • 深层生成模型的度量标准

    通过将 Riemannian 几何的思想应用到该领域，我们提出了一种基于最短路径计算的距离度量方法，可以获得基于原则的距离度量，提供深度生成模型的视觉检查工具和运动泛化工具。

    Nov, 2017