BourGAN：具有度量嵌入的生成网络
机器学习
2019-06-12 v3 机器学习
摘要
本文探讨生成对抗网络(GANs)的模式崩溃问题。我们将模式视为度量空间中数据分布的几何结构。在此几何视角下，我们将数据集的任意度量空间中的子样本嵌入到 l2 空间中，同时保留其成对距离分布。这种度量嵌入不仅自动确定了潜空间的维数，还使我们能够构造高斯混合以抽取潜空间随机向量。我们将高斯混合模型与对目标函数的简单增广结合用于训练 GANs。我们方法的每个主要步骤均有理论分析支撑，且在真实与合成数据上的实验证实生成器能够产生散布于大多数模式之上的样本，同时避免不需要的样本，在多项指标上优于若干近期 GAN 变体，并提供新特性。
引用
@article{arxiv.1805.07674,
title = {BourGAN: Generative Networks with Metric Embeddings},
author = {Chang Xiao and Peilin Zhong and Changxi Zheng},
journal= {arXiv preprint arXiv:1805.07674},
year = {2019}
}
备注
Neural Information Processing Systems, 2018