TL;DR本文提出了一种基于 GAN 和稀疏恢复的欺骗反向工程框架,为此提供了确定性线性收敛保证,并在多个非线性数据集上展示了该方法的优点。
Abstract
An important aspect of developing reliable deep learning systems is devising
strategies that make these systems robust to adversarial attacks. There is a
long line of work that focuses on developing defenses agai
该研究提出使用 GAN 作为先验来解决不适定的反演成像问题,并将方法应用于面部和材料的固有图像分解。该方法建立在 GAN 成功捕捉复杂图像分布的基础上,并展示了通过逆转多个 GAN 来维持分布先前的可能性,其是模块化的,可以成功地分解合成和真实图像,并利用 GAN 潜在空间的属性,提供了额外的优势,如图像重照。
提出了一种高保真的三维对抗生成网络,可以在保留输入图像的特定细节的同时合成逼真的新视图。该方法通过伪多视图估计和能见度分析建立,有效解决了三维反演中的几何纹理平衡问题,并成功实现了单张图像的高保真三维重建和新视图合成。并且本方法亦适用于图像属性编辑和 3D 纹理修改,因此有望被广泛应用于人工智能生成的三维内容领域。