跨尺度对齐监督：用于训练生成对抗网络的CAT
计算机视觉与模式识别
2026-05-27 v1 人工智能
摘要
现代生成对抗网络（GAN）常在中间生成输出上引入对抗监督，将 resulting multi-stage synthesis 解释为粗到细的分层生成。在本工作中，我们挑战了这种解释。我们认为标准的尺度级对抗监督不构成proper的粗到细层次结构：每个中间图像都独立地被推向真实分布，其分辨率各不相同，但这种尺度级逼真并不确保跨阶段的输出代表相同的生成样本。此外，各尺度产生的图像也未被用作后续阶段的显式细化目标。因此，其对抗损失可以在不约束后续阶段保持相同样本轨迹方面提高尺度特定的输出，允许后续阶段趋向于不同样本而非细化前一输出。我们将此问题称为跨尺度轨迹错位问题。为解决此问题，我们提出了CAT（Cross-scale Aligned Transformer），用于多尺度对抗生成。CAT保持判别器的尺度级结构，使每个中间输出都在其自身分辨率上进行评估，同时增加简单的生成器侧一致性正则化，将中间输出与最终输出对齐。在ImageNet-256上进行的class-conditional实验表明，CAT-H/2 在仅训练60个epoch后即可实现FID-50K为1.56的单步推理，优于强大的单步GAN和扩散/流模型基线。
引用
@article{arxiv.2605.26449,
title = {Cross-scale Aligned Supervision for Training GANs},
author = {Sangeek Hyun and MinKyu Lee and Jae-Pil Heo},
journal= {arXiv preprint arXiv:2605.26449},
year = {2026}
}
备注
Preprint