paper 168: 2018-FATTEN 论文解析-feature space transfer for data augmentation

Posted 2020-12-04 molakejin

paper download:https://arxiv.org/abs/1801.04356

本文的核心就是使用GAN网络生成新的数据。

 

 

 这个总体框图，常规结构，具体是通过在appearance和pose上分离在网络设计上，作者提到了三点：

1.  为了避免网络只是单纯的Match Feature Pairs，如上图所示，只是学习Residual：,公式的意思是Source与Target 的Feature Vector的差值。

2.  Appearance和pose分开训练，pose的学习便可以全监督训练学习。

3.  Appearance和pose分开训练，能够使对这两个属性的学习上更加Balance