香港中文大学的周博磊博士在VALSE2020上分享了关于GAN模型可解释性的最新进展。InterFaceGAN成功建立了隐空间与人脸属性的因果关联，实现了对GAN生成图像的精准控制，如改变人脸角度、表情甚至性别。这一突破基于对Generator中卷积神经元所学语义及LatentSpace中包含语义的深入分析。
今天下午，香港中文大学的周博磊博士在 VALSE 2020 上对模型可解释性年度进展进行了精彩的报告。
一图胜千言，先图为敬
周博士团队在 InterFaceGAN 中将隐空间与人脸属性建立了因果关联，从此以后想让 GAN 生成正脸还是侧脸，都可以精准控制了。
想要他严肃还是微笑?
甚至女神变男神!
那么，其原理是什么呢?
请看下图
其包含两部分的分析，一、Generator 中卷积神经元学到的语义，二、Latent Space 中包含的语义。
从而，不同的神经元学习到了不同的语义概念。
GAN Dissection. ICLR’19
有兴趣了解更多的内容，直接看视频哈。
链接: https://pan.baidu.com/s/1CHeVKl8xNWQhYSpSBJqiqQ 提取码: a4ub
扫一扫
384
到【灌水乐园】发言
