典型文献
一种基于正交约束的隐空间多语义学习方法
文献摘要：
探索生成对抗网络隐空间的语义信息是当前生成对抗网络图像可控生成方向的研究热点.目前的研究在探索隐空间的语义时往往每次只学习某一个属性对应的语义方向,而这种方式没有考虑不同语义方向之间可能发生纠缠的问题,因此在控制生成图像某一属性变化时会影响到其他属性.为了解决此类问题,提出了一种基于正交约束的多语义学习方法,该方法在同时学习多个语义方向的训练过程中加入正交约束以减少不同语义方向之间的关联性,从而避免了不同语义方向间的纠缠问题.基于大规模生成对抗网络(BigGAN)模型在ImageNet数据集进行了水平平移、垂直平移和亮度等多语义方向的同步学习实验.实验结果表明,提出的方法能有效同时学习隐空间的多个语义方向,实现图像多个属性可控生成,同时能有效地保持不同语义方向之间的独立性.
文献关键词：
图像生成;生成对抗网络;隐空间;可控生成
中图分类号：
作者姓名：
周琦量;卢育钦
作者机构：
广东工业大学信息工程学院,广东广州 510006
文献出处：
引用格式：
[1]周琦量;卢育钦-.一种基于正交约束的隐空间多语义学习方法)[J].电脑知识与技术,2022(06):42-45
A类：
B类：
正交约束,隐空间,多语,语义学习,生成对抗网络,语义信息,前生,网络图像,可控生成,索隐,纠缠,成图,训练过程,BigGAN,ImageNet,平平,平移,亮度,图像生成
AB值：
0.276073
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
