【CVPR2020】通过自适应GANs生成不同的图像，Diverse Image Generation via Self-Conditioned GANs

题目： Diverse Image Generation via Self-Conditioned GANs

摘要：

本文介绍了一个简单但有效的无监督方法，以产生现实和多样化的图像，并且训练了一个类条件GAN模型，而不使用手动注释的类标签。相反，模型的条件是标签自动聚类在鉴别器的特征空间。集群步骤自动发现不同的模式，并显式地要求生成器覆盖它们。在标准模式基准测试上的实验表明，该方法在寻址模式崩溃时优于其他几种竞争的方法。并且该方法在ImageNet和Places365这样的大规模数据集上也有很好的表现，与以前的方法相比，提高了图像多样性和标准质量指标。