DO-GAN：一种用于生成对抗网络的双重预言框架
机器学习
2022-04-27 v2 计算机科学与博弈论
摘要
本文提出一种训练生成对抗网络（GANs）的新方法，其中部署了使用生成器与判别器预言的双重预言框架。GAN 本质上是生成器与判别器之间的二人零和博弈。训练 GAN 具有挑战性，因为纯纳什均衡可能不存在，且即便寻找混合纳什均衡也很困难，因为 GAN 具有大规模策略空间。在 DO-GAN 中，我们将双重预言框架扩展到 GAN。我们首先将参与者的策略泛化为来自最优响应预言的生成器与判别器的训练模型。随后用线性规划计算元策略。为使框架可扩展（多个生成器与判别器最优响应存于内存中），我们提出两种解决方案：1）剪枝弱占优的参与者策略，以防止预言变得难以处理；2）应用持续学习以保留网络的先前知识。我们将框架应用于已建立的 GAN 架构，如 vanilla GAN、Deep Convolutional GAN、Spectral Normalization GAN 和 Stacked GAN。最后，我们在 MNIST、CIFAR-10 和 CelebA 数据集上开展实验，表明相较于各自的 GAN 架构，DO-GAN 变体在主观定性评估与定量指标上均有显著提升。
引用
@article{arxiv.2102.08577,
title = {DO-GAN: A Double Oracle Framework for Generative Adversarial Networks},
author = {Aye Phyu Phyu Aung and Xinrun Wang and Runsheng Yu and Bo An and Senthilnath Jayavelu and Xiaoli Li},
journal= {arXiv preprint arXiv:2102.08577},
year = {2022}
}