AuthorGAN：使用模块化 GAN 框架提升 GAN 可复现性
机器学习
2019-12-02 v1 人机交互
摘要
生成模型在文献中日益流行，其中生成对抗网络（GAN）是目前最成功的变体。随着需求与 popularity 的增长，实现和使用 GAN 模型变得同样困难且具有挑战性。一项针对 47 名从业者进行的定性用户调查显示，尽管存在各种开源库，使用 GAN 模型完成给定任务仍需专家级技能。在本研究中，我们提出一种称为 AuthorGAN 的新系统，旨在实现 GAN 创作的真正民主化。我们定义了与库无关的高度模块化 GAN 模型表示，以实现 GAN 架构在 Keras、Tensorflow 和 PyTorch 等不同库之间的互操作性。我们利用 node-red 平台构建了一个直观的基于拖拽的可视化设计器，无需编写任何代码即可定制架构设计。作为该框架的一部分，我们实现了五种不同的 GAN 模型，并使用基准 MNIST 数据集展示了不同 GAN 模型的性能。
引用
@article{arxiv.1911.13250,
title = {AuthorGAN: Improving GAN Reproducibility using a Modular GAN Framework},
author = {Raunak Sinha and Anush Sankaran and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:1911.13250},
year = {2019}
}
备注
NeurIPS 2019, MLSys: Workshop on Systems for ML