HypervolGAN：一种具有多目标训练函数的 GAN 高效方法
图像与视频处理
2020-06-30 v1
摘要
自生成对抗网络（GAN）问世以来，人们开发并组合了各种损失函数以构成整体训练目标函数，从而提升模型性能或用于特定学习任务。例如，在图像增强或复原中，常需考虑信噪比、平滑度、结构与细节等多个准则。然而，当优化目标包含多于一个对抗损失时，在整体函数中平衡多个损失成为一个具挑战性、关键且耗时的问题。本文中我们提出通过高效的多目标优化来解决该问题。所提 HypervolGAN 采用超体积最大化方法的适配版本，以有效定义 GAN 的多目标训练函数。我们在求解单图像超分辨率问题上测试了所提方法。实验表明，HypervolGAN 在节省微调各损失权重的计算时间与精力方面高效，并能生成比基线 GAN 质量更好的增强样本。该工作探索了对抗学习与优化技术的结合，不仅有益于图像处理，也惠及广泛应用。
引用
@article{arxiv.2006.15228,
title = {HypervolGAN: An efficient approach for GAN with multi-objective training function},
author = {Jingwen Su and Hujun Yin},
journal= {arXiv preprint arXiv:2006.15228},
year = {2020}
}