主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李崇轩,朱军,张钹.条件概率图产生式对抗网络.软件学报,2020,31(4):1002-1008
条件概率图产生式对抗网络
Conditional Graphical Generative Adversarial Networks
投稿时间:2019-05-30  修订日期:2019-07-29
DOI:10.13328/j.cnki.jos.005924
中文关键词:  深度生成模型  产生式对抗网络  概率图模型  弱监督学习  条件模型
英文关键词:deep generative model  generative adversarial network  graphical model  weakly-supervised learning  conditional model
基金项目:国家自然科学基金(61620106010,61621136008);博士后创新人才拔尖计划
作者单位E-mail
李崇轩 清华大学 计算机科学与技术系, 北京 100084 李崇轩,E-mail:chongxuanli@mail.tsinghua.edu.cn;朱军,E-mail:dcszj@mail.tsinghua.edu.cn 
朱军 清华大学 计算机科学与技术系, 北京 100084  
张钹 清华大学 计算机科学与技术系, 北京 100084  
摘要点击次数: 761
全文下载次数: 654
中文摘要:
      产生式对抗网络(generative adversarial networks,简称GANs)可以生成逼真的图像,因此最近被广泛研究.值得注意的是,概率图生成对抗网络(graphical-GAN)将贝叶斯网络引入产生式对抗网络框架,以无监督的方式学习到数据的隐藏结构.提出了条件概率图生成对抗网络(conditional graphical-GAN),它可以在弱监督环境下,利用粗粒度监督信息来学习到更精细而复杂的结构.条件概率图生成对抗网络的推理和学习遵循与graphical-GAN类似的方法.提出了条件概率图生成对抗网络的两个实例.条件高斯混合模型(conditional Gaussian mixture GAN,简称cGMGAN)可以在给出粗粒度标签的情况下从混合数据中学习细粒度聚类.条件状态空间模型(conditional state space GAN,简称cSSGAN)可以在给定对象标签的情况下学习具有多个对象的视频的动态过程.
英文摘要:
      Generative adversarial networks (GANs) have been promise on generating realistic images and hence have been studied widely. Notably, graphical generative adversarial networks (graphical-GAN) introduce Bayesian networks to the GAN framework to learn the underlying structures of data in an unsupervised manner. This study proposes a conditional version of graphical-GAN, which can leverage coarse side information to enhance the graphical-GAN and learn finer and more complex structures, in weakly-supervised learning settings. The inference and learning of conditional graphical-GAN follows a similar protocol to graphical-GAN. Two instances of conditional graphical-GAN are presented. The conditional Gaussian mixture GAN can learn fine clusters from mixture data given a coarse label. The conditional state space GAN can learn the dynamics of videos with multiple objects given the labels of the objects..
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利