ABCAS：作为自动稳定器的谱范数自适应边界控制
计算机视觉与模式识别
2022-11-15 v1 人工智能
摘要
谱归一化是稳定生成对抗网络训练的最佳方法之一。谱归一化限制了判别器在真实数据与生成数据分布之间的梯度。然而，即便采用该归一化，GAN 的训练有时仍会失败。本文揭示，依据训练数据集的不同，有时需要更严格的限制，进而我们提出一种提供自适应归一化方法的新稳定器，称为 ABCAS。我们的方法通过检查真实与生成数据分布的距离，自适应地决定判别器的 Lipschitz 常数。我们的方法提升了生成对抗网络训练的稳定性，并在生成图像的 Fréchet Inception Distance 分数上取得更好结果。我们还针对三个数据集探究了合适的谱范数，并以消融研究的形式展示了结果。
引用
@article{arxiv.2211.06595,
title = {ABCAS: Adaptive Bound Control of spectral norm as Automatic Stabilizer},
author = {Shota Hirose and Shiori Maki and Naoki Wada and Heming Sun and Jiro Katto},
journal= {arXiv preprint arXiv:2211.06595},
year = {2022}
}
备注
ICCE 2023