简介
Background augmentation generative adversarial networks (BAGANs): Effective data generation based on GAN-augmented 3D synthesizing.Cited-5.
关键字
GAN,数据增强,机器学习
正文
这篇文献使用GAN来增加数据,原始的GAN生成的数据质量不够好,同时没有办法指定类别等信息,为了解决上面的问题,文献提出使用已有3D模型来生成前景数据,结合前景数据不仅可以降低GAN生成图像的复杂度,还可以提升图像的类别质量,具体的结构如图(文献Figure2):
上面方法的动机源于GAN能够比较好生成图像外观细节,但图像不够自然且缺乏图像的几何特性,计算机图形学方法可以恰好可以和GAN互补。
这篇文献的内容不是主要的兴趣方向,简单记录下,主要是在文献中有一张关于数种条件GAN的图总结的挺好的,就了解了下,这个图(文献Figure3)如下:
参考资料
[1] Ma, Yan, et al. "Background augmentation generative adversarial networks (BAGANs): Effective data generation based on GAN-augmented 3D synthesizing." Symmetry 10.12 (2018): 734.