采用多铰链损失的cGANs
机器学习
2020-11-24 v2 计算机视觉与模式识别
机器学习
摘要
我们提出一种新的算法，通过常用铰链损失的多类泛化将类别条件信息引入GANs的判别器中，该损失兼容监督与半监督设置。我们研究了训练最先进生成器与准确分类器之间的权衡，并提出了一种利用我们的算法来衡量生成器与判别器在类别条件上契合程度的方法。我们展示了生成器-判别器对遵循类别条件输入与生成最高质量图像之间的折衷。借助我们的多铰链损失改进，我们能够在Imagenet数据集上提升Inception Scores与Frechet Inception Distance。我们在 https://github.com/ilyakava/gan 提供了tensorflow代码。
引用
@article{arxiv.1912.04216,
title = {cGANs with Multi-Hinge Loss},
author = {Ilya Kavalerov and Wojciech Czaja and Rama Chellappa},
journal= {arXiv preprint arXiv:1912.04216},
year = {2020}
}
备注
Accepted to Winter Conference on Applications of Computer Vision (WACV) 2021