報(bào)告題目:Connect MMD with GAN: Unsupervised Domain Adaptation and Image Generation
報(bào)告人:左旺孟 教授
單位:哈爾濱工業(yè)大學(xué)計(jì)算機(jī)學(xué)院
報(bào)告時(shí)間:2017年4月19日(周三)上午10:00-11:00
報(bào)告時(shí)間:逸夫科技樓408會(huì)議室
報(bào)告摘要:概率分布差異程度的度量是非監(jiān)督領(lǐng)域自適應(yīng)和圖像生成領(lǐng)域的一個(gè)核心問(wèn)題,目前主要有最大化均值差異(MMD)和生成式對(duì)抗網(wǎng)絡(luò)(GAN)兩種非參數(shù)度量方式。相對(duì)而言,MMD在領(lǐng)域自適應(yīng)中得到了較多的關(guān)注和應(yīng)用,而GAN更多地被應(yīng)用于圖像生成。因此,我們對(duì)最近MMD和GAN方面的進(jìn)展做了簡(jiǎn)單的總結(jié)。針對(duì)領(lǐng)域自適應(yīng),我們分析了當(dāng)前MMD模型的問(wèn)題和不足,提出了一種加權(quán)MMD模型,并針對(duì)非監(jiān)督領(lǐng)域自適應(yīng)情形下給出了一種權(quán)重的自適應(yīng)估計(jì)方法,以及在領(lǐng)域自適應(yīng)和圖像生成任務(wù)中驗(yàn)證了WMMD的有效性。結(jié)合人臉屬性轉(zhuǎn)換問(wèn)題,通過(guò)設(shè)計(jì)恰當(dāng)?shù)母兄獡p失和正則化項(xiàng),我們給出了一種基于GAN的解決方案,并進(jìn)一步提出了一種自適應(yīng)GAN模型,實(shí)驗(yàn)結(jié)果驗(yàn)證了自適應(yīng)GAN相對(duì)于GAN在訓(xùn)練效率和生成效果上的優(yōu)勢(shì)。
報(bào)告人簡(jiǎn)介:左旺孟,哈爾濱工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授、博士生導(dǎo)師。主要從事圖像增強(qiáng)與復(fù)原、距離度量學(xué)習(xí)、目標(biāo)跟蹤、圖像與視頻分類(lèi)等方面的研究。在CVPR/ICCV/ECCV等頂級(jí)會(huì)議和T-PAMI、IJCV及IEEE Trans.等期刊上發(fā)表論文50余篇。
太陽(yáng)集團(tuán)tyc5997