增强型平衡 GAN：少数类图像生成
计算机视觉与模式识别
2021-07-12 v1
摘要
生成对抗网络（GANs）是最强大的生成模型之一，但始终需要大规模平衡数据集进行训练。传统 GAN 不适用于在高度不平衡数据集中生成少数类图像。平衡 GAN（BAGAN）被提出以缓解该问题，但当不同类别的图像外观相似（如花朵与细胞）时它不稳定。本工作中，我们提出一种带中间嵌入模型的监督式自编码器来分散有标签的潜向量。借助改进的自编码器初始化，我们还构建了带梯度惩罚的 BAGAN 架构（BAGAN-GP）。我们所提模型克服了原始 BAGAN 中的不稳定问题，并更快收敛到高质量生成。我们的模型在降采样的平衡版 MNIST Fashion、CIFAR-10 以及一个小规模医学图像数据集上取得了高性能。
引用
@article{arxiv.2011.00189,
title = {Enhanced Balancing GAN: Minority-class Image Generation},
author = {Gaofeng Huang and Amir H. Jafari},
journal= {arXiv preprint arXiv:2011.00189},
year = {2021}
}