[[440170]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

繼GauGAN2之后，英偉達(dá)推出了一個(gè)GAN的“超級(jí)縫合體”——PoE GAN。

PoE GAN可以接受多種模態(tài)的輸入，文字描述、圖像分割、草圖、風(fēng)格都可以轉(zhuǎn)化為圖片。

而且它可以同時(shí)接受以上幾種輸入模態(tài)的任意兩種組合，這便是PoE的含義。

所謂PoE是Hinton在2002年提出的“專家乘積”（product of experts）概念，每個(gè)專家（單獨(dú)模型）被定義為輸入空間上的一個(gè)概率模型。

而每種單獨(dú)的輸入模態(tài)都是合成圖像必須滿足的約束條件，因此滿足所有約束的一組圖像是滿足每個(gè)約束集合的交集。

假設(shè)每種約束的聯(lián)合條件概率分布都服從高斯分布，就用單條件概率分布的乘積來(lái)表述交集的分布。

在此條件下，為了使乘積分布在一個(gè)區(qū)域具有高密度，每個(gè)單獨(dú)的分布需要在該區(qū)域具有高密度，從而滿足每個(gè)約束。

而PoE GAN的重點(diǎn)是如何將每種輸入混合在一起。

PoE GAN的設(shè)計(jì)

PoE GAN的生成器使用全局PoE-Net將不同類型輸入的變化混合起來(lái)。

我們將每個(gè)模態(tài)輸入編碼為特征向量，然后使用PoE匯總到全局PoE-Net中。解碼器不僅使用全局PoE-Net的輸出，還直接連接分割和草圖編碼器，以此來(lái)輸出圖像。

全局PoE-Net的結(jié)構(gòu)如下，這里使用一個(gè)潛在的特征矢量z0作為樣本使用PoE，然后由MLP處理以輸出特征向量w。

在鑒別器部分，作者提出了一種多模態(tài)投影鑒別器，將投影鑒別器推廣到處理多個(gè)條件輸入。

與計(jì)算圖像嵌入和條件嵌入之間單個(gè)內(nèi)積的標(biāo)準(zhǔn)投影鑒別器不同，這里要計(jì)算每個(gè)輸入模態(tài)的內(nèi)積，并將其相加以獲得最終損失。

隨意變換輸入的GAN

PoE可以在單模態(tài)輸入、多模態(tài)輸入甚至無(wú)輸入時(shí)生成圖片。

當(dāng)使用單個(gè)輸入模態(tài)進(jìn)行測(cè)試時(shí)，PoE-GAN的表現(xiàn)優(yōu)于之前專門為該模態(tài)設(shè)計(jì)的SOTA方法。

例如在分割輸入模態(tài)中，PoE-GAN優(yōu)于此前的SPADE和OASIS。

在文本輸入模態(tài)中，PoE-GAN優(yōu)于文本到圖像模型DF-GAN、DM-GAN+CL。

當(dāng)以模式的任意子集為條件時(shí)，PoE-GAN可以生成不同的輸出圖像。下面展示了PoE-GAN的隨機(jī)樣本，條件是兩種模式（文本+分割、文本+草圖、分割+草圖）在景觀圖像數(shù)據(jù)集上。

PoE-GAN甚至還能沒(méi)有輸入，此時(shí)PoE-GAN就會(huì)成為一個(gè)無(wú)條件的生成模型。以下是PoE-GAN無(wú)條件生成的樣本。

團(tuán)隊(duì)介紹

論文通訊作者是英偉達(dá)著名工程師劉洺堉，他的研究重點(diǎn)是深度生成模型及其應(yīng)用。英偉達(dá)Canvas和GauGAN等有趣的產(chǎn)品均出自他手。

論文一作是黃勛，北京航空航天大學(xué)本科畢業(yè)，康奈爾大學(xué)博士，現(xiàn)在在英偉達(dá)工作。

論文地址：
https://arxiv.org/abs/2112.05130

PoE：
https://www.cs.toronto.edu/~hinton/absps/icann-99.pdf

投影鑒別器：
https://arxiv.org/abs/1802.05637