AutoGAN：面向生成对抗网络的神经架构搜索
计算机视觉与模式识别
2019-08-13 v1 机器学习
图像与视频处理
摘要
神经架构搜索（NAS）在图像分类和（最近）分割任务中取得了显著的成功。在本文中，我们首次初步研究了将 NAS 算法引入生成对抗网络（GANs），称之为 AutoGAN。NAS 与 GANs 的结合面临着其独特的挑战。我们定义了生成器架构变化的搜索空间，并使用 RNN 控制器来引导搜索，通过参数共享和动态重置来加速该过程。采用 Inception score 作为奖励，并引入多级搜索策略以渐进式方式进行 NAS。实验验证了 AutoGAN 在无条件图像生成任务上的有效性。具体而言，与当前最先进的手工设计 GANs 相比，我们发现的架构取得了极具竞争力的性能，例如，在 CIFAR-10 和 STL-10 上分别创下了 12.42 和 31.01 的新 SOTA FID 分数。我们最后讨论了 AutoGAN 当前的局限性和未来的潜力。代码可在 https://github.com/TAMU-VITA/AutoGAN 获取。
引用
@article{arxiv.1908.03835,
title = {AutoGAN: Neural Architecture Search for Generative Adversarial Networks},
author = {Xinyu Gong and Shiyu Chang and Yifan Jiang and Zhangyang Wang},
journal= {arXiv preprint arXiv:1908.03835},
year = {2019}
}
备注
accepted by ICCV 2019