- …
- …
#156
summarized by : Anonymous
どんな論文か？
GANベースのモデルは，限れた学習サンプルやカテゴリ間の微妙な区別しかないデータに適用した場合，モデルの性能が低下する可能性があると主張．潜在空間の構成を明示的に正則化する．生成モデルのラベル付きデータへの依存度を低減するために，クラス条件付き高精度画像生成のための半教師モデルのSphericGANを提案．クラスに依存しない変動因子を捉えるのに有効な空間的に組織化された潜在空間が得られる．
新規性
・Hyper-sphericalの潜在空間を用いた半教師付きGANにより，クラスタ間の微妙な区別を捉えられるように学習．クラスに依存しない変動因子を捉え，生成器の性能の向上．
・Hyper-sphericalの潜在空間に実データを写像するマッピングネットワークの設計．
結果
ベースラインと比較し，すべてのケースで一貫した改善を示す．特に細粒度の画像合成において優れた性能を持つことが実証された．
その他（なぜ通ったか？等）
- …
- …