利用最优传输改进 GAN
机器学习
2018-03-16 v1 机器学习
摘要
我们提出最优传输 GAN（OT-GAN），这是生成对抗网络的一种变体，最小化一种衡量生成器分布与数据分布之间距离的新度量。该度量我们称之为小批量能量距离，它将原始形式的最优传输与在对抗学习特征空间中定义的能量距离相结合，从而得到一种具有无偏小批量梯度的高度判别性距离函数。实验上，我们表明 OT-GAN 在使用大批量训练时高度稳定，并在多个流行的图像生成基准问题上取得了最先进的结果。
引用
@article{arxiv.1803.05573,
title = {Improving GANs Using Optimal Transport},
author = {Tim Salimans and Han Zhang and Alec Radford and Dimitris Metaxas},
journal= {arXiv preprint arXiv:1803.05573},
year = {2018}
}