Generación de Imágenes Guiada con Redes Neuronales Invertibles Condicionales

En este trabajo, abordamos la tarea de generación de imágenes naturales guiada por una entrada de condicionamiento. Introducimos una nueva arquitectura llamada red neuronal invertible condicional (cINN). La cINN combina el modelo INN puramente generativo con una red de alimentación hacia adelante no restringida, que preprocesa eficientemente la entrada de condicionamiento en características útiles. Todos los parámetros de la cINN se optimizan conjuntamente con un procedimiento de entrenamiento estable basado en máxima verosimilitud. Por construcción, la cINN no experimenta colapso de modo y genera muestras diversas, en contraste con por ejemplo cGANs. Al mismo tiempo, nuestro modelo produce imágenes nítidas ya que no se requiere pérdida de reconstrucción, a diferencia de por ejemplo VAEs. Demostramos estas propiedades para las tareas de generación de dígitos MNIST y colorización de imágenes. Además, aprovechamos nuestra arquitectura cINN bidireccional para explorar y manipular propiedades emergentes del espacio latente, como cambiar el estilo de la imagen de manera intuitiva.