数据集属性对 GAN 训练的影响
机器学习
2018-11-16 v3 机器学习
摘要
生成对抗网络（GAN）是一类新的生成模型，常用于生成逼真图像。理论上，GAN 最终会达到一个均衡，使得生成器产生的图片与训练集无法区分。然而在实践中，一系列问题经常阻碍系统达到该均衡，由于不稳定性或模式崩溃，训练无法继续推进。本文描述了一系列实验，试图识别关于训练集对训练动态及最终训练结果影响的规律。
引用
@article{arxiv.1811.02850,
title = {Effects of Dataset properties on the training of GANs},
author = {Ilya Kamenshchikov and Matthias Krauledat},
journal= {arXiv preprint arXiv:1811.02850},
year = {2018}
}