一种带全变分正则化的Wasserstein GAN模型
计算机视觉与模式识别
2018-12-04 v1
摘要
众所周知，生成对抗网络（GANs）的训练极为困难。近期提出的 Wasserstein GAN（WGAN）为应对这些问题开辟了基于原理的研究方向。但我们在实践中发现，梯度惩罚 WGAN（GP-WGANs）仍受训练不稳定之苦。本文将全变分（TV）正则项引入 WGAN 形式体系以替代权重裁剪或梯度惩罚，这意味着 Lipschitz 约束被施加于判别器网络。我们所提方法比 GP-WGANs 训练更稳定，且能在多种 GAN 架构下良好工作。我们还给出了一种控制图像多样性与视觉质量之间权衡的方法，其不带来任何计算负担。
引用
@article{arxiv.1812.00810,
title = {A Wasserstein GAN model with the total variational regularization},
author = {Lijun Zhang and Yujin Zhang and Yongbin Gao},
journal= {arXiv preprint arXiv:1812.00810},
year = {2018}
}