基于深度學(xué)習(xí)的圖像生成技術(shù)研究與應(yīng)用.pdf

1、圖像生成模型是用于對圖像進(jìn)行概率建模的概率模型，而深度神經(jīng)網(wǎng)絡(luò)可以看成是一個非常復(fù)雜的、擬合能力非常強(qiáng)的非線性函數(shù)，可以用于搭建生成模型來估計概率密度函數(shù)的參數(shù)。圖像生成模型可以用于更多不同圖片樣本的生成，可以用于圖像信息的恢復(fù)，也可以用于不同模態(tài)的圖片或者圖片與文字、語音等之間的轉(zhuǎn)換，還可以用于預(yù)測未來，例如可以根據(jù)視頻中過去幀和當(dāng)前幀預(yù)測來未來幀。
　　本文首先介紹了生成模型在有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)中的定義，分析了為什么要學(xué)習(xí)

2、生成模型的幾點原因，并介紹了生成模型在國內(nèi)外取得的發(fā)展，以及將目前的深度生成模型做了一個簡單的分類。
　　然后本文介紹了目前深度學(xué)習(xí)領(lǐng)域中常用的三種生成模型：深度置信網(wǎng)絡(luò)、變分自編碼器和生成式對抗網(wǎng)絡(luò)，及其改進(jìn)和變種。我們提出的方法就是基于其中的變分自編碼器。
　　接著為了學(xué)習(xí)可解釋的表達(dá)來增強(qiáng)圖片生成的可控性，本文提出了一個多任務(wù)變分自編碼器，對人臉圖片和人臉輪廓進(jìn)行聯(lián)合概率建模，將人臉圖片中的位置信息分解出來，并將人臉視

3、覺屬性視為人臉圖片的一部分隱藏變化，利用二值屬性標(biāo)注使一部分隱藏變量來捕捉這部分視覺屬性信息，這樣便可以學(xué)習(xí)到關(guān)于人臉圖片的分解的、可解釋的隱藏表達(dá)。利用這個可解釋的隱藏表達(dá)可以控制生成圖片的一些可解釋的成分。也可以對輸入圖片進(jìn)行編輯，改變輸入圖片的某些視覺特性。
　　最后本文對人臉照片在簡筆畫的條件下進(jìn)行條件概率建模，并將人臉視覺屬性視為一部分隱藏變量，控制從人臉簡筆畫到人臉照片的合成。實驗證明，我們提出的模型可以生成更加自然、