FCC-GAN：一种全连接与卷积网络结合的 GAN 架构
机器学习
2019-05-28 v2 机器学习
摘要
生成对抗网络（GANs）是一类强大的生成模型。尽管取得了成功，GAN 网络架构的最恰当选择仍未被充分理解。用于图像合成的 GAN 模型采用了深度卷积网络架构，其在 GAN 的生成器与判别器中消除或最小化了全连接层与池化层的使用，转而 favor 卷积层。本文中，我们证明利用深度全连接层与池化层的卷积网络架构可比传统仅卷积架构更有效，并提出了 FCC-GAN，一种全连接与卷积结合的 GAN 架构。基于我们 FCC-GAN 架构的模型比常规架构学习更快，且生成更高质量的样本。我们在四个流行图像数据集上展示了该方法的有效性与稳定性。
引用
@article{arxiv.1905.02417,
title = {FCC-GAN: A Fully Connected and Convolutional Net Architecture for GANs},
author = {Sukarna Barua and Sarah Monazam Erfani and James Bailey},
journal= {arXiv preprint arXiv:1905.02417},
year = {2019}
}