AdversarialNAS：面向GAN的对抗式神经架构搜索
计算机视觉与模式识别
2020-04-09 v2 图像与视频处理
摘要
旨在自动化架构设计过程的神经架构搜索（NAS）已在许多计算机视觉领域取得有前景的结果。在本文中，我们提出一种专为生成对抗网络（GANs）定制的AdversarialNAS方法，以在无条件图像生成任务上搜索更优的生成模型。AdversarialNAS是首个能够以可微方式同时搜索生成器和判别器架构的方法。在搜索过程中，所设计的对抗式搜索算法无需计算任何额外指标来评估被搜索架构的性能，且该搜索范式考虑了两个网络架构之间的相关性并改善了它们的相互平衡。因此，AdversarialNAS非常高效，在提出的大型搜索空间（）中仅花费1个GPU日即可搜索出更优生成模型。实验证明了我们方法的有效性和优越性。所发现的生成模型在CIFAR-10上创下了 的新的最先进FID分数以及极具竞争力的 的Inception Score。其可迁移性也通过在STL-10上创下 的新最先进FID分数和 的Inception Score得到证明。代码见：\url{https://github.com/chengaopro/AdversarialNAS}。
引用
@article{arxiv.1912.02037,
title = {AdversarialNAS: Adversarial Neural Architecture Search for GANs},
author = {Chen Gao and Yunpeng Chen and Si Liu and Zhenxiong Tan and Shuicheng Yan},
journal= {arXiv preprint arXiv:1912.02037},
year = {2020}
}
备注
Accepted to CVPR 2020