論文の概要: Self-labeled Conditional GANs
- arxiv url: http://arxiv.org/abs/2012.02162v1
- Date: Thu, 3 Dec 2020 18:46:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 14:51:54.941375
- Title: Self-labeled Conditional GANs
- Title（参考訳）: セルフラベル条件付きgan
- Authors: Mehdi Noroozi
- Abstract要約: 本稿では,データからラベルを自動的に取得する条件付きGANトレーニングのための,新しい,完全に教師なしのフレームワークを提案する。
我々は、クラスタリングネットワークを標準的な条件付きGANフレームワークに組み込み、差別化と対戦する。
- 参考スコア（独自算出の注目度）: 2.9189409618561966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a novel and fully unsupervised framework for
conditional GAN training in which labels are automatically obtained from data.
We incorporate a clustering network into the standard conditional GAN framework
that plays against the discriminator. With the generator, it aims to find a
shared structured mapping for associating pseudo-labels with the real and fake
images. Our generator outperforms unconditional GANs in terms of FID with
significant margins on large scale datasets like ImageNet and LSUN. It also
outperforms class conditional GANs trained on human labels on CIFAR10 and
CIFAR100 where fine-grained annotations or a large number of samples per class
are not available. Additionally, our clustering network exceeds the
state-of-the-art on CIFAR100 clustering.
- Abstract（参考訳）: 本稿では,データからラベルを自動取得する条件付きgan学習のための新しい教師なしフレームワークを提案する。
我々は、クラスタリングネットワークを標準的な条件付きGANフレームワークに組み込み、差別化と対戦する。
ジェネレータは、偽のラベルと偽のイメージを関連付けるための共有構造化マッピングを見つけることを目的としている。
当社のジェネレータは、ImageNetやLSUNといった大規模データセットに対して、大きなマージンを持つFIDの観点から非条件GANよりも優れています。
また、cifar10とcifar100の人間のラベルでトレーニングされたクラス条件付きganよりも優れており、細かいアノテーションやクラスごとの大量のサンプルは利用できない。
さらに、クラスタリングネットワークは、CIFAR100クラスタリングの最先端を超えています。
関連論文リスト
- Generalized Category Discovery with Clustering Assignment Consistency [56.92546133591019]
一般化圏発見(GCD)は、最近提案されたオープンワールドタスクである。
クラスタリングの一貫性を促進するための協調学習ベースのフレームワークを提案する。
提案手法は,3つの総合的なベンチマークと3つのきめ細かい視覚認識データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-30T00:32:47Z) - Instance Adaptive Prototypical Contrastive Embedding for Generalized
Zero Shot Learning [11.720039414872296]
一般的なゼロショット学習は、トレーニング中に目に見えないラベルがアクセスできないと仮定して、目に見えないラベルと見えないラベルからサンプルを分類することを目的としている。
GZSLの最近の進歩は、生成ネットワークにコントラッシブラーニングベースの埋め込みを組み込むことによって、加速している。
論文 参考訳（メタデータ） (2023-09-13T14:26:03Z) - Federated Generalized Category Discovery [68.35420359523329]
一般カテゴリー発見(GCD)は、未知のクラスからラベルのないサンプルをグループ化することを目的としている。
地域社会における近年の分権化の傾向に対応するため,フェデレーションGCD(Fed-GCD)という,実践的かつ困難な課題を導入する。
Fed-GCDの目標は、プライバシ保護された制約の下で、クライアントのコラボレーションによって汎用的なGCDモデルをトレーニングすることである。
論文 参考訳（メタデータ） (2023-05-23T14:27:41Z) - Semi-supervised classification using a supervised autoencoder for
biomedical applications [2.578242050187029]
私たちは、ラベルをオートエンコーダの潜在空間にエンコードするネットワークアーキテクチャを作成します。
学習したネットワークを用いて未学習のサンプルを分類する。
論文 参考訳（メタデータ） (2022-08-22T13:51:00Z) - S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。
提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。
提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-22T15:49:20Z) - Dual Projection Generative Adversarial Networks for Conditional Image
Generation [26.563829113916942]
本稿では、エムデータマッチングとエムラベルマッチングのバランスをとることを学習するDual Projection GAN(P2GAN)モデルを提案する。
次に、Auxiliary Classificationを用いた改良されたcGANモデルを提案し、$f$-divergenceを最小化することで、偽条件および実条件を$P(textclass|textimage)$と直列に調整する。
論文 参考訳（メタデータ） (2021-08-20T06:10:38Z) - A Unified Generative Adversarial Network Training via Self-Labeling and
Self-Attention [38.31735499785227]
本稿では,任意のレベルのラベリングを統一的に処理できる新しいGANトレーニング手法を提案する。
提案手法では,手動で定義したラベルを組み込むことができる人工ラベル方式を導入する。
我々は, CIFAR-10, STL-10, SVHNに対するアプローチを評価し, 自己ラベルと自己アテンションの両方が生成データの品質を継続的に向上することを示す。
論文 参考訳（メタデータ） (2021-06-18T04:40:26Z) - Generative Multi-Label Zero-Shot Learning [136.17594611722285]
マルチラベルゼロショット学習は、トレーニング中にデータが入手できない複数の見えないカテゴリにイメージを分類する試みである。
我々の研究は、(一般化された)ゼロショット設定におけるマルチラベル機能の問題に最初に取り組みました。
私たちのクロスレベル核融合に基づく生成アプローチは、3つのデータセットすべてにおいて最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2021-01-27T18:56:46Z) - Guiding GANs: How to control non-conditional pre-trained GANs for
conditional image generation [69.10717733870575]
本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。
提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
論文 参考訳（メタデータ） (2021-01-04T14:03:32Z) - Inducing Optimal Attribute Representations for Conditional GANs [61.24506213440997]
条件付きGANは、あるカテゴリから別のカテゴリへの画像の変換に広く使用されている。
既存の条件付きGANは、ターゲットドメインラベル情報を0と1の形式でハードコードされたカテゴリベクトルとして符号化する。
本稿では,グラフ畳み込みネットワークを用いた新しいエンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-13T20:24:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。