弹性交互能量生成模型：特征空间中的逼近
机器学习
2023-03-21 v1 计算机视觉与模式识别
摘要
本文提出了一种使用基于弹性交互能量 (EIE) 的损失函数进行生成建模的新方法，该方法受晶体中缺陷间的弹性交互作用启发。利用基于 EIE 的度量具有诸多优势，包括其长程特性能够考虑分布中的全局信息。此外，其包含的自交互项有助于防止模式崩溃并捕获所有分布模式。为了克服高维数据分布相对分散的困难，我们首先将数据映射到潜在特征空间，并逼近特征分布而非数据分布。我们采用 GAN 框架，并用特征变换网络替换判别器，将数据映射到潜在空间。我们还在特征变换网络的损失中添加了稳定项，有效解决了基于 GAN 的算法训练不稳定的问题。在 MNIST、FashionMNIST、CIFAR-10 和 CelebA 等常用数据集上的实验结果表明，我们的 EIEG GAN 模型能够缓解模式崩溃，增强稳定性，并提升模型性能。
引用
@article{arxiv.2303.10553,
title = {Elastic Interaction Energy-Based Generative Model: Approximation in Feature Space},
author = {Chuqi Chen and Yue Wu and Yang Xiang},
journal= {arXiv preprint arXiv:2303.10553},
year = {2023}
}