一种改进的生成对抗网络评估框架
计算机视觉与模式识别
2018-07-23 v3
摘要
在本文中，我们提出了一种改进的生成对抗网络（GAN）在生成特定领域图像上的定量评估框架，我们在两个层面上改进了传统评估方法：特征表示和评估指标。与大多数现有评估框架将 ImageNet inception 模型的表示迁移以将图像映射到特征空间不同，我们的框架使用专门的编码器来获取细粒度的特定领域表示。此外，对于具有多个类别的数据集，我们提出了类感知 Fréchet 距离（CAFD），它在特征空间上采用高斯混合模型以更好地拟合多流形特征分布。在特征层面和图像层面均进行了实验和分析，以证明我们提出的框架相对于最近提出的最先进的 FID 方法的改进。据我们所知，我们是首个提供 FID 给出与人类判断不一致结果的反例的。实验表明，我们的框架能够克服 FID 的缺点并提高鲁棒性。代码将予以公开。
引用
@article{arxiv.1803.07474,
title = {An Improved Evaluation Framework for Generative Adversarial Networks},
author = {Shaohui Liu and Yi Wei and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:1803.07474},
year = {2018}
}
备注
21 pages, 9 figures, 8 tables