亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Continuous Conditional Generative Adversarial Networks: Novel Empirical Losses and Label Input Mechanisms

鉴别器 计算机科学 发电机(电路理论) 回归 范畴变量 水准点(测量) 人工智能 标量(数学) 模式识别(心理学) 算法 机器学习 数学 统计 功率(物理) 电信 物理 几何学 大地测量学 量子力学 探测器 地理
作者
Xin Ding,Yongwei Wang,Zuheng Xu,William J. Welch,Z. Jane Wang
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [Institute of Electrical and Electronics Engineers]
卷期号:45 (7): 8143-8158 被引量:8
标识
DOI:10.1109/tpami.2022.3228915
摘要

This article focuses on conditional generative modeling (CGM) for image data with continuous, scalar conditions (termed regression labels). We propose the first model for this task which is called continuous conditional generative adversarial network (CcGAN). Existing conditional GANs (cGANs) are mainly designed for categorical conditions (e.g., class labels). Conditioning on regression labels is mathematically distinct and raises two fundamental problems: (P1) since there may be very few (even zero) real images for some regression labels, minimizing existing empirical versions of cGAN losses (a.k.a. empirical cGAN losses) often fails in practice; and (P2) since regression labels are scalar and infinitely many, conventional label input mechanisms (e.g., combining a hidden map of the generator/discriminator with a one-hot encoded label) are not applicable. We solve these problems by: (S1) reformulating existing empirical cGAN losses to be appropriate for the continuous scenario; and (S2) proposing a naive label input (NLI) mechanism and an improved label input (ILI) mechanism to incorporate regression labels into the generator and the discriminator. The reformulation in (S1) leads to two novel empirical discriminator losses, termed the hard vicinal discriminator loss (HVDL) and the soft vicinal discriminator loss (SVDL) respectively, and a novel empirical generator loss. Hence, we propose four versions of CcGAN employing different proposed losses and label input mechanisms. The error bounds of the discriminator trained with HVDL and SVDL, respectively, are derived under mild assumptions. To evaluate the performance of CcGANs, two new benchmark datasets (RC-49 and Cell-200) are created. A novel evaluation metric ( Sliding Fréchet Inception Distance ) is also proposed to replace Intra-FID when Intra-FID is not applicable. Our extensive experiments on several benchmark datasets (i.e., RC-49, UTKFace, Cell-200, and Steering Angle with both low and high resolutions) support the following findings: the proposed CcGAN is able to generate diverse, high-quality samples from the image distribution conditional on a given regression label; and CcGAN substantially outperforms cGAN both visually and quantitatively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
FF完成签到 ,获得积分10
3秒前
姚老表发布了新的文献求助130
15秒前
42秒前
chiazy完成签到 ,获得积分10
1分钟前
健忘绿茶发布了新的文献求助10
2分钟前
健忘绿茶完成签到,获得积分10
2分钟前
共享精神应助科研通管家采纳,获得10
4分钟前
传奇完成签到 ,获得积分10
4分钟前
6分钟前
我对太阳过敏完成签到,获得积分10
6分钟前
菠萝完成签到 ,获得积分10
9分钟前
甜蜜发带完成签到 ,获得积分10
11分钟前
七街发布了新的文献求助10
11分钟前
4466完成签到,获得积分10
11分钟前
Akim应助科研通管家采纳,获得10
14分钟前
郑夏岚发布了新的文献求助20
14分钟前
滕皓轩完成签到 ,获得积分10
14分钟前
明理丹烟应助郑夏岚采纳,获得20
14分钟前
所所应助火焰向上采纳,获得10
15分钟前
15分钟前
火焰向上发布了新的文献求助10
16分钟前
科研通AI2S应助组大组强采纳,获得10
16分钟前
16分钟前
krisliu完成签到 ,获得积分10
17分钟前
盐王爷发布了新的文献求助10
19分钟前
xhczrx完成签到,获得积分10
19分钟前
19分钟前
牧沛凝完成签到 ,获得积分10
20分钟前
20分钟前
盐王爷发布了新的文献求助10
20分钟前
盐王爷发布了新的文献求助20
20分钟前
21分钟前
树子发布了新的文献求助10
21分钟前
mmyhn应助科研通管家采纳,获得10
22分钟前
树子完成签到,获得积分10
22分钟前
豆乳米麻薯完成签到 ,获得积分10
22分钟前
MMMgao完成签到 ,获得积分10
23分钟前
盐王爷发布了新的文献求助10
23分钟前
我和你完成签到 ,获得积分10
23分钟前
23分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052540
求助须知:如何正确求助?哪些是违规求助? 2709798
关于积分的说明 7418198
捐赠科研通 2354370
什么是DOI,文献DOI怎么找? 1245916
科研通“疑难数据库(出版商)”最低求助积分说明 605934
版权声明 595921