EvolGAN：演化式生成对抗网络
计算机视觉与模式识别
2020-09-29 v1 机器学习
摘要
我们提出利用质量估计器与演化方法，在训练于小规模、困难数据集或两者兼具的生成对抗网络的潜空间中搜索。新方法在保持原始生成器多样性的同时，显著提升了生成图像的质量。人类评分者在 Cats 上以 83.7% 的频率、FashionGen 上 74%、Horses 上 70.4%、Artworks 上 69.2% 的频率偏好新版本中的图像，而对于已十分优秀的面部 GAN 仅有微小改进。该方法适用于任意质量评分器与 GAN 生成器。
引用
@article{arxiv.2009.13311,
title = {EvolGAN: Evolutionary Generative Adversarial Networks},
author = {Baptiste Roziere and Fabien Teytaud and Vlad Hosu and Hanhe Lin and Jeremy Rapin and Mariia Zameshina and Olivier Teytaud},
journal= {arXiv preprint arXiv:2009.13311},
year = {2020}
}
备注
accepted ACCV oral