生成对抗网络中的层次化模式探索
计算机视觉与模式识别
2020-03-20 v1
摘要
在条件生成对抗网络（cGANs）中，当两个不同的初始噪声与相同的条件信息拼接时，它们输出之间的距离相对较小，这使得小模式容易坍塌进大模式。为防止这种情况发生，我们提出了一种层次化模式探索方法，通过将多样性度量作为正则项引入目标函数，以缓解cGANs中的模式坍塌。我们还将期望扩展比（ERE）引入正则项，通过最小化距离真实变化与ERE之间差异的和，我们可以控制生成图像在特定层级特征上的多样性。我们在四个条件图像合成任务上验证了所提算法，包括类别生成、成对与非成对图像翻译以及文本到图像生成。定性与定量结果均表明，所提方法能有效缓解cGANs中的模式坍塌问题，并能控制输出图像在特定层级特征上的多样性。
引用
@article{arxiv.2003.08752,
title = {Hierarchical Modes Exploring in Generative Adversarial Networks},
author = {Mengxiao Hu and Jinlong Li and Maolin Hu and Tao Hu},
journal= {arXiv preprint arXiv:2003.08752},
year = {2020}
}