DuelGAN：双判别器博弈稳定GAN训练
机器学习
2022-03-22 v3
摘要
本文提出DuelGAN，一种生成对抗网络（GAN）方案，用于提升生成样本的稳定性和缓解模式崩溃。在Vanilla GAN中判别器与生成器的二人博弈基础上，我们引入同伴判别器进入极小极大博弈。与先前使用双判别器的工作类似，、的首要作用是区分生成样本与真实样本，而生成器试图生成能同时欺骗两个判别器的高质量样本。不同于现有方法，我们引入与之间的另一博弈以抑制其一致性，从而提升生成样本的多样性水平。该特性通过防止和过快收敛，缓解了早期模式崩溃问题。我们给出了之间形成的极小极大博弈均衡的理论分析，并提供了DuelGAN的收敛行为及极小极大博弈的稳定性。值得一提的是，DuelGAN在无监督设定下运行，与的博弈无需任何标签监督。在合成数据集及真实世界图像数据集（MNIST、Fashion MNIST、CIFAR-10、STL-10、CelebA、VGG和FFHQ）上的实验结果表明，DuelGAN在生成多样且高质量样本方面优于具有竞争力的基线工作，且仅引入可忽略的计算开销。
引用
@article{arxiv.2101.07524,
title = {DuelGAN: A Duel Between Two Discriminators Stabilizes the GAN Training},
author = {Jiaheng Wei and Minghao Liu and Jiahao Luo and Andrew Zhu and James Davis and Yang Liu},
journal= {arXiv preprint arXiv:2101.07524},
year = {2022}
}
备注
Under Review