LOGAN：生成对抗网络的隐空间优化
机器学习
2020-07-02 v2 机器学习
摘要
训练生成对抗网络需要平衡微妙的对抗动力学。即使经过仔细调参，训练也可能发散或陷入具有模式丢弃的不良均衡。在这项工作中，我们通过基于自然梯度的隐空间优化改进 CS-GAN，并表明其通过增强判别器与生成器之间的交互改善了对抗动力学。我们的实验证明，隐空间优化能显著改进 GAN 训练，在 ImageNet () 数据集上取得最先进的性能。我们的模型实现了 的 Inception Score (IS) 和 的 Fréchet Inception Distance (FID)，与具有相同架构和参数量的基线 BigGAN-deep 模型相比，IS 和 FID 分别提升了 和 。
引用
@article{arxiv.1912.00953,
title = {LOGAN: Latent Optimisation for Generative Adversarial Networks},
author = {Yan Wu and Jeff Donahue and David Balduzzi and Karen Simonyan and Timothy Lillicrap},
journal= {arXiv preprint arXiv:1912.00953},
year = {2020}
}
备注
Improved writing, added new analysis and evaluation