ComGAN：面向利用多样本的GAN

本文中，我们提出ComGAN(ComparativeGAN)，它允许GANs中的生成器通过对比参照比较样本(如真实数据)的语义。ComGAN推广了相对GANs，使用任意架构，且在简单输入拼接架构下大多优于相对GANs。为训练ComGAN中的判别器，我们还提出等式正则化，使判别器对同等真实或伪造的样本拟合中性标签。等式正则化极大提升ComGAN(含WGAN)的性能，且相较现有正则化异常简单。最后，我们将相对GANs中固定为真实数据的比较样本推广至伪造数据，并表明此类目标在理论与实践上均合理。实验证明ComGAN与等式正则化的优越性能，在8种不同损失与数据情形中的7种取得优于普通GANs与相对GANs的最佳FIDs。