- …
- …
#267
summarized by : Hiroaki Aizawa
どんな論文か？
この研究では，クラスで条件付けられた画像の分布 p(x|y) を，画像をサンプリングできる明示的なGeneratorなしに（つまり，データ分布 p(x)を想定せずに）学習することを目標にしている．そのために，識別器の出力 p(y|x) がp(x|y)に比例するようにモデルを学習することで，分類と生成を単一のネットワークで実現する．
新規性
Generatorの代わりにLogitについての勾配上昇法で，分類境界の情報を使い，そしてStyle Transferの知見をベースにGram Matrix Metropolis Adjusted Langevin Algorithmを使って画像を生成する．学習中は，分類器は合成された画像をFakeとして利用して，再帰的な方法で分類境界を再推定することで，分類器の性能と画質の両方を改善できる．
結果
実験では，既存の生成モデルの生成画像に対しての分類スコアと生成画像の質で比較．提案するSTICとSTICのいくつかの改良版がclass interpolationの改善，ImageNet上での動作することを報告している．
その他（なぜ通ったか？等）
- …
- …