k-GANs：基于半离散最优传输的生成模型集成
机器学习
2019-07-10 v1 机器学习
摘要
生成对抗网络（GANs）是生成建模领域的最先进技术。不幸的是，大多数 GAN 方法容易出现模式崩溃，即它们往往只捕捉真实分布的一部分模式。处理该问题的一种可能方法是使用 GAN 集成，其中（理想情况下）每个网络建模单一模式。本文中，我们引入了一种利用半离散最优传输理论训练 GAN 集成的原则性方法。在我们的方法中，每个生成网络建模一个点质量（狄拉克测度）与数据分布在由点质量位置定义的 Voronoi 镶嵌的一个 tile 上的限制之间的传输映射。我们迭代训练生成网络和点质量直至收敛。所得的 k-GANs 算法与 k-medoids 算法有很强的理论联系。在我们的实验中，我们表明我们的集成方法始终优于基线 GANs。
引用
@article{arxiv.1907.04050,
title = {k-GANs: Ensemble of Generative Models with Semi-Discrete Optimal Transport},
author = {Luca Ambrogioni and Umut Güçlü and Marcel van Gerven},
journal= {arXiv preprint arXiv:1907.04050},
year = {2019}
}