Файл:2016-07-18 Conditional Image Generation with PixelCNN Decoders.pdf

Материал из Материалы по машинному обучению
Перейти к: навигация, поиск
2016-07-18_Conditional_Image_Generation_with_PixelCNN_Decoders.pdf(0 × 0 пикселей, размер файла: 3,63 МБ, MIME-тип: application/pdf)

AäronvandenOord Google DeepMind avdnoord@google.com NalKalchbrenner Google DeepMind nalk@google.com OriolVinyals Google DeepMind vinyals@google.com LasseEspeholt Google DeepMind espeholt@google.com AlexGraves Google DeepMind gravesa@google.com KorayKavukcuoglu Google DeepMind korayk@google.com

Abstract

This work explores conditional image generation with a new image density model based on the PixelCNN architecture. The model can be conditioned on any vector, including descriptive label sortags, or latent embeddings created by other networks. When conditioned on class labels from the ImageNet database, the model is able to generate diverse, realistic scenes representing distinct animals, objects, landscapes and structures. When conditioned on an embedding produced by a convolutional network given a single image of an unseen face, it generates a variety of new portraits of the same person with different facial expressions, poses and lighting conditions. We also show that conditional PixelCNN can serve as a powerful decoder in an image autoencoder. Additionally, the gated convolutional layers in the proposed model improve the log-likelihood of PixelCNN to match the state-ofthe-art performance of PixelRNN on ImageNet, with greatly reduced computational cost.

Keywords: PixelCNN, PixelRNN, Gated PixelCNN

История файла

Нажмите на дату/время, чтобы просмотреть, как тогда выглядел файл.

Дата/времяРазмерыУчастникПримечание
текущий16:29, 22 декабря 20160 × 0 (3,63 МБ)Slikos (обсуждение | вклад)
  • Вы не можете перезаписать этот файл.

Следующая 1 страница ссылается на данный файл: