评估 GAN 的分布学习能力
机器学习
2019-07-08 v1 计算机视觉与模式识别
机器学习
摘要
我们通过在合成数据集上测试生成对抗网络（GAN）来评估其分布学习能力。这些数据集包括 R^n 空间中点的常见分布以及包含各种形状和大小多边形的图像。我们发现，总体而言，GAN 未能忠实地重建包含不连续支撑或带噪声的尖锐弯曲的点数据集。此外，在图像数据集上，我们发现 GAN 似乎未能学会计数图像中同类物体的数量。我们还强调了 GAN 中泛化与学习之间明显的张力。
引用
@article{arxiv.1907.02662,
title = {Evaluating the distribution learning capabilities of GANs},
author = {Amit Rege and Claire Monteleoni},
journal= {arXiv preprint arXiv:1907.02662},
year = {2019}
}