ICLRSep, 2020
基于分组监督学习的零样本合成
Zero-shot Synthesis with Group-Supervised Learning
Yunhao Ge, Sami Abu-El-Haija, Gan Xin, Laurent Itti
TL;DR本文提出了一种基于 Group-Supervised Learning (GSL) 的学习框架来解决神经网络关于视觉对象其他属性的 “想象” 问题,可以将输入分解为可替换的组件表示,并重新组合为新样本,从而实现高质量的零样本合成,并在相关基准测试中证明了 GZS-Net 的优越性。