12月3日晚7點，中科院計算所博士（京東DMT)何振梁將帶來「生成對抗網絡GAN專題講座」第3講的直播講解，主題為《GAN的層次化可解釋維度學習》。

如今，GAN不僅能畫出二次元妹子，還能精準調節(jié)五官、表情、姿勢和繪畫風格。如果想要更好的操控GAN，就需要正確識別GAN生成器不同層的語義信息。

現(xiàn)有一些基于監(jiān)督學習的方法，通常需要對大量的潛在編碼進行隨機采樣，然后合成大量圖像，并使用一些預定義的標簽對其進行注釋，最后使用這些標記樣本來學習潛在空間中的分離邊界，但這種對GAN生成圖片進行大量標注的方法，既耗時又耗力，而生成器中的訓練仍然作為一個黑盒運行，缺乏直接控制不同層的信息。那如何直接研究GAN的生成機制以解釋其內部的特征表示呢？

在本次講座中，何振梁博士等人提出了一個無監(jiān)督挖掘生成器不同層可解釋語義信息的EigenGAN模型。它通過將一個具有正交基的線性子空間嵌入到每個生成器層中，利用訓練來學習目標的特征分布。這些逐層子空間會在每一層自動發(fā)現(xiàn)一組特征維度，最后通過遍歷所有特定特征維度，生成器可產生與特定語義屬性相對應的連續(xù)變化的樣本。

關于GAN的可解釋性學習的更多信息可以參考劉博的論文《EigenGAN: Layer-Wise Eigen-Learning for GANs》，論文鏈接：https://arxiv.org/pdf/2104.12476.pdf。

何振梁是中科院計算所博士（京東DMT），研究方向包括生成對抗網絡、人臉屬性編輯、人臉關鍵點定位。他的相關工作發(fā)表于T-IP、ICCV等國際頂級期刊和會議，并在開源社區(qū)GitHub維護21個項目，總共獲得2000余Star，被Fork 600余次。

本次講座將在智東西公開課知識店鋪進行，包含主講和問答兩個部分，其中主講環(huán)節(jié)40分鐘，問答環(huán)節(jié)20分鐘。本次講座已組建交流群，并邀請何振梁博士加入，歡迎感興趣的朋友申請。

主題

GAN的層次化可解釋維度學習

提綱

1、線性子空間模型簡介
2、生成器的層次化語義
3、EigenGAN：層次化子空間嵌入的可解釋性學習方法

講師介紹

何振梁，中科院計算所博士（京東DMT）；研究方向包括生成對抗網絡、人臉屬性編輯、人臉關鍵點定位，相關工作發(fā)表于T-IP、ICCV等國際頂級期刊和會議；谷歌學術引用達500余次，代表作AttGAN被引用300余次；在開源社區(qū)GitHub維護21個項目，總共獲得2000余Star，被Fork 600余次。

課程信息

直播時間：12月3日19：00
直播地點：智東西公開課知識店鋪