卡内基梅隆大学、美国东北大学 |Content-Based Search for Deep Generative Models（基于内容的深度生成模型搜索）

作者：Daohan Lu1，Sheng-Yu Wang， Nupur Kumari 等

简介：本文研究生成模型的搜索任务。预处理生成模型的日益增多使得用户不可能完全了解现有的每个模型。为了满足这一需求，作者引入了基于内容的模型搜索任务：给定一个查询和大量的生成模型，找到与查询最匹配的模型。因为每个生成模型都会生成图像的分布，所以作者将搜索问题定义为一种优化，以最大化给定模型生成查询匹配的概率。当查询是图像、草图、文本描述、另一个生成模型或以上两者的组合时，作者开发近似方法使这个问题易于处理。作者在一组生成模型的精度和速度上对该方法进行了基准测试。实验证明了作者的模型搜索可以为图像编辑和重建、小样本迁移学习和潜在空间插值检索合适的模型。最后，作者将搜索算法部署到在线生成模型共享平台https://modelverse.cs.cmu.edu/.

论文下载：https://arxiv.org/pdf/2210.03116.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除