冻结判别器：一种微调 GAN 的简单基线
计算机视觉与模式识别
2020-03-02 v2 机器学习
机器学习
摘要
生成对抗网络（GANs）在计算机视觉、图形学与机器学习广泛问题上展现出卓越性能，但常需大量训练数据与沉重计算资源。为解决此问题，若干方法在 GAN 训练中引入迁移学习技术。然而，它们要么易于过拟合，要么局限于学习小的分布偏移。本文中，我们展示以冻结判别器下层的方式简单微调 GAN 出奇地有效。这一简单基线 FreezeD 在无条件与有条件 GAN 中均显著优于以往技术。我们使用 StyleGAN 与 SNGAN-projection 架构在 Animal Face、Anime Face、Oxford Flower、CUB-200-2011 与 Caltech-256 数个数据集上证明了其一致效果。代码与结果见 https://github.com/sangwoomo/FreezeD。
引用
@article{arxiv.2002.10964,
title = {Freeze the Discriminator: a Simple Baseline for Fine-Tuning GANs},
author = {Sangwoo Mo and Minsu Cho and Jinwoo Shin},
journal= {arXiv preprint arXiv:2002.10964},
year = {2020}
}
备注
Tech report; High resolution images are in https://github.com/sangwoomo/FreezeD