用于序列生成的条件混合 GAN
人工智能
2020-09-21 v1
摘要
条件序列生成旨在通过以额外上下文信息为条件来指导生成过程，这是一种自监督学习问题（一种利用数据自身监督信息的无监督学习形式）。遗憾的是，当前最先进的生成模型在具有多属性序列生成方面存在局限。本文提出一种新颖的条件混合 GAN（C-Hybrid-GAN）来解决该问题。当以相同上下文为条件时，具有三元属性的离散序列被分别生成。最重要的是，关系推理技术被用于建模：不仅在生成器训练期间每个属性序列内部的依赖关系，也在判别器训练期间各属性序列间的一致性。为避免 GAN 在离散数据生成中遇到的不可微问题，我们利用 Gumbel-Softmax 技术来近似离散值序列的分布。通过评估从歌词生成旋律（关联音符、时值与休止）的任务，我们证明所提 C-Hybrid-GAN 在上下文条件离散值序列生成上优于现有方法。
引用
@article{arxiv.2009.08616,
title = {Conditional Hybrid GAN for Sequence Generation},
author = {Yi Yu and Abhishek Srivastava and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2009.08616},
year = {2020}
}