GenCo：面向有限数据生成对抗网络的产生式协同训练
计算机视觉与模式识别
2021-12-07 v2
摘要
训练有效的生成对抗网络（GANs）需要大量训练数据，否则所得模型通常因判别器过拟合而次优。若干先前研究通过大规模手工设计的数据增强来扩展有限训练数据的分布以解决这个问题。我们从截然不同的视角处理数据受限的图像生成。具体而言，我们设计 GenCo，一种生成式协同训练网络，通过引入多个互补判别器在训练中从多个不同视角提供多样化监督，缓解判别器过拟合问题。我们以两种方式实现 GenCo 的思想。第一种是权重差异协同训练（WeCo），通过使判别器参数多样化来协同训练多个差异化判别器。第二种是数据差异协同训练（DaCo），通过向判别器输入输入图像的不同视图（例如输入图像的不同频率分量）来实现协同训练。在多个基准上的大量实验表明，GenCo 在有限训练数据下取得更优生成效果。此外，当与增强方法结合时，GenCo 也以一致且明显的性能增益对增强方法形成补充。
引用
@article{arxiv.2110.01254,
title = {GenCo: Generative Co-training for Generative Adversarial Networks with Limited Data},
author = {Kaiwen Cui and Jiaxing Huang and Zhipeng Luo and Gongjie Zhang and Fangneng Zhan and Shijian Lu},
journal= {arXiv preprint arXiv:2110.01254},
year = {2021}
}
备注
Accepted to AAAI2022