ECCV2020(Oral)# MIT提出：重写深度生成模型
作者单位：MIT&Adobe研究院（朱俊彦）
本文提出模型重写（Model Rewriting）新任务和新方法，其目的是添加，删除和更改预训练的深度网络的语义和物理规则。其允许用户直接更改权重而不是使用数据集进行训练，直接将深度网络重新编程为遵循不同的规则。
诸如GAN之类的深度生成模型学会了对目标分布的丰富语义和物理规则进行建模，但是直到现在，对于如何在网络中编码此类规则或如何更改规则尚不清楚。在本文中，我们介绍了一个新的问题setting：由深度生成模型编码的特定规则的操作。为了解决该问题，我们提出了一种公式，其中通过操纵深度网络的线性关联memory来更改所需规则。我们导出了一种用于修改关联memory的条目的算法，并且我们证明了可以在先进的生成模型的各层中定位和修改一些有趣的结构规则。我们提供了一个用户界面，使用户能够交互地更改生成模型的规则以实现所需的效果，并且展示了一些概念验证应用。最后，多个数据集上的结果证明了我们的方法相对于标准微调方法和编辑传输算法的优势。
《Rewriting a Deep Generative Model》
代码：https://github.com/davidbau/rewriting
论文下载链接：https://arxiv.org/abs/2007.15646
#########################我是分割线##############################
