【ETHZ博士论文】真实世界约束下的2D和3D生成模型

文章预览

生成建模的最新进展正在改变视觉内容的创作，并在计算机视觉和图形学的多个应用中显示出巨大的前景。然而，生成模型在日常任务中的应用受到生成过程可控性、数据需求和计算要求等挑战的制约。本论文重点解决二维和三维生成模型在真实世界约束下所面临的这些问题。 首先，我们致力于通过迁移学习提高类别条件生成对抗网络（GAN）的数据效率 。我们引入了一种新的类别特定迁移学习方法，称为cGANTransfer，基于类别之间的相关性，明确传播旧类别的知识到新类别。通过广泛的评估，我们证明了该方法在条件GAN迁移学习中的优越性，优于之前的方法。 其次，我们研究了使用小数据集训练类别条件GANs的问题 。我们特别指出了在小数据集上训练条件GAN时出现的条件崩溃——即模式崩溃。为了解决这一问题，我们提出了一种基于过渡条件的训 ………………………………