生成对抗堆叠自编码器
机器学习
2020-11-25 v1 计算机视觉与模式识别
摘要
生成对抗网络(GANs)已在图像生成任务中占据主导地位。其成功归因于采用两个模型(生成器G与判别器D)在极小极大零和博弈中竞争的 regime。然而,GANs难以训练,因其对超参数与参数初始化敏感,常导致梯度消失、不收敛或模式崩溃(生成器无法创建具有不同变化的样本)。本文提出一种新颖的生成对抗堆叠卷积自编码器(GASCA)模型,以及一种生成对抗渐进贪心逐层学习算法,旨在以高效且增量的方式训练对抗自编码器。我们的训练方法所产生的图像重建误差显著低于普通联合训练。
引用
@article{arxiv.2011.12236,
title = {Generative Adversarial Stacked Autoencoders},
author = {Ariel Ruiz-Garcia and Ibrahim Almakky and Vasile Palade and Luke Hicks},
journal= {arXiv preprint arXiv:2011.12236},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2007.09790