-
题名基于生成对抗网络的多视图学习与重构算法
被引量：15
- 1
-
-
作者
孙亮
韩毓璇
康文婧
葛宏伟
-
机构
大连理工大学计算机科学与技术学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2018年第5期819-828,共10页
-
基金
国家自然科学基金(61402076
61572104
+2 种基金
61103146)
吉林大学符号计算与知识工程教育部重点实验室项目(93K172017K03)
中央高校基本科研业务项目(DUT17JC04)资助~~
-
文摘
同一事物通常需要从不同角度进行表达.然而,现实应用经常引出复杂的场景,导致完整视图数据很难获得.因此研究如何构建事物的完整视图具有重要意义.本文提出一种基于生成对抗网络(Generative adversarial networks,GAN)的多视图学习与重构算法,利用已知单一视图,通过生成式方法构建其他视图.为构建多视图通用的表征,提出新型表征学习算法,使得同一实例的任意视图都能映射至相同的表征向量,并保证其包含实例的重构信息.为构建给定事物的多种视图,提出基于生成对抗网络的重构算法,在生成模型中加入表征信息,保证了生成视图数据与源视图相匹配.所提出的算法的优势在于避免了不同视图间的直接映射,解决了训练数据视图不完整问题,以及构造视图与已知视图正确对应问题.在手写体数字数据集MNIST,街景数字数据集SVHN和人脸数据集CelebA上的模拟实验结果表明,所提出的算法具有很好的重构性能.
-
关键词
多视图重构
条件生成对抗网络
多视图表征学习
生成模型
-
Keywords
Multi-view reconstruction
conditional generative adversarial networks （CGAN）
multi-view representationlearning
generative models
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
