生成对抗插值自编码：对隐空间插值进行对抗训练以促进凸隐分布
机器学习
2019-04-24 v3 机器学习
摘要
我们提出了一种基于自编码器（AE）与生成对抗网络（GAN）的神经网络架构，通过对隐空间插值进行对抗训练来促进凸隐分布。通过使用 AE 同时作为 GAN 的生成器与判别器，我们将逐像素误差函数穿过判别器，从而得到一种能够生成非模糊样本、且匹配原始图像高低层特征的 AE。在该空间中图像间的插值仍位于判别器所训练的真实图像隐空间分布之内，因此保持对网络输入的逼真相似度。代码见 https://github.com/timsainb/GAIA
引用
@article{arxiv.1807.06650,
title = {Generative adversarial interpolative autoencoding: adversarial training on latent space interpolations encourage convex latent distributions},
author = {Tim Sainburg and Marvin Thielk and Brad Theilman and Benjamin Migliori and Timothy Gentner},
journal= {arXiv preprint arXiv:1807.06650},
year = {2019}
}