FIGR：基于Reptile的小样本图像生成

生成对抗网络(GAN)拥有生成逼真图像的惊人能力。然而，如同深度学习的许多领域一样，它们需要过量的数据才能产生结果，从而限制了其在生成新事物方面的有用性。同样地，元学习的最新进展为许多小样本学习应用打开了大门。在本工作中，我们提出使用Reptile进行小样本图像生成(FIGR)，这是一种用Reptile元训练的GAN。我们的模型仅使用来自未见类别的4张图像，便在MNIST和Omniglot上成功生成了新图像。我们进一步贡献了FIGR-8，一个用于小样本图像生成的新数据集，包含1,548,944个图标，分为超过18,409个类别。在FIGR-8上训练后，初步结果表明，我们的模型能够从先前未见的图像类别中少至8个样本、并仅通过这些8张图像少至10个训练步长，泛化到更先进的概念（如“鸟”和“刀”）。本工作展示了训练GAN用于小样本图像生成的潜力，并旨在为该领域的未来工作设立新基准。