标题：首尔国立大学、三星|Toward Spatially Unbiased Generative Models（走向空间无偏生成模型）

推荐理由：该工作消除了图像生成模型中的空间偏好，取得比当前有空间偏好的生成模型更好的效果

简介：最近的图像生成模型显示出卓越的生成性能。然而，它们反映了数据集中的强大的位置偏好，我们称之为空间偏差。因此，生成器在未知位置和尺度下，渲染样本效果不佳。我们认为生成器依靠其隐式位置编码来呈现空间内容。根据我们的观察，生成器的隐式位置编码是平移变量，使生成器在空间上有偏见。为了解决这个问题，我们提出在每个尺度显式将位置编码注入生成器。通过学习空间无偏生成器，我们促进了在多个任务中使用生成器鲁棒性，例如 GAN 反演，多尺度生成，任意大小的生成和纵横比。此外，我们表明我们的方法也适用于去噪扩散概率模型。