线性判别生成对抗网络
机器学习
2017-07-26 v1 机器学习
摘要
我们提出了一种用于GAN无监督与类别条件图像生成训练的新方法，称为线性判别GAN（LD-GAN）。LD-GAN的判别器被训练以最大化生成样本与目标样本隐藏表示分布之间的线性可分性，而生成器基于通过对隐藏表示执行LDA计算出的决策超平面进行更新。LD-GAN为判别器提供了分离能力的具体度量，并且我们通过实验表明，在无监督情形下，仅通过校准生成器与判别器之间的更新频率，无需采用归一化方法及权重约束，即可稳定LD-GAN的训练。在类别条件生成任务中，相比采用辅助分类器的WGAN，所提方法展现出更好的训练稳定性与泛化性能。
引用
@article{arxiv.1707.07831,
title = {Linear Discriminant Generative Adversarial Networks},
author = {Zhun Sun and Mete Ozay and Takayuki Okatani},
journal= {arXiv preprint arXiv:1707.07831},
year = {2017}
}