解耦表征学习视角下认知图像属性特征的图像生成方法

摘要：

在生成式人工智能领域,解耦表征学习的研究进一步推动图像生成方法的发展,但现有的解耦方法更多地关注图像生成的低维表示,忽略目标变化图像内在的可解释因素,导致生成的图像容易受到其它不相关属性特征的影响.为此,文中提出解耦表征学习视角下认知图像属性特征的图像生成方法.首先,从生成模型的潜在空间出发,通过训练获得关于目标变化图像的候选遍历方向.然后,构建无监督语义分解策略,并基于候选遍历的方向联合发现嵌入在潜在空间中的可解释方向.最后,利用解耦编码器和对比学习构建对比模拟器和变化空间,进而由可解释方向提取目标变化图像的解耦表征并生成图像.在5个解耦数据集上的实验表明文中方法性能较优.

关键词：解耦表征学习、潜在空间、可解释方向、图像生成、变化空间

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：638-651