基于能量的生成对抗网络
机器学习
2017-03-08 v4 机器学习
摘要
我们引入了“基于能量的生成对抗网络”模型（EBGAN），该模型将判别器视为一个能量函数，对靠近数据流形的区域赋予低能量，对其他区域赋予高能量。类似于概率型 GAN，生成器被训练以产生具有最小能量的对比样本，而判别器被训练对这些生成的样本赋予高能量。将判别器视为能量函数，允许在通常带有逻辑输出的二元分类器之外，使用多种架构和损失泛函。其中，我们展示了 EBGAN 框架的一种实例化形式，即使用自编码器架构并以重构误差作为能量来替代判别器。我们表明，这种形式的 EBGAN 在训练期间比常规 GAN 表现出更稳定的行为。我们还表明，单尺度架构可以被训练以生成高分辨率图像。
引用
@article{arxiv.1609.03126,
title = {Energy-based Generative Adversarial Network},
author = {Junbo Zhao and Michael Mathieu and Yann LeCun},
journal= {arXiv preprint arXiv:1609.03126},
year = {2017}
}
备注
Submitted to ICLR 2017