Scifaro

中文

用于GAN与统计距离替代的具有平稳最优值的测度条件判别器

机器学习 2021-01-19 v1

作者: Liu Yang , Tingwei Meng , George Em Karniadakis

在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一种简单而有效的判别器改进方法，即测度条件判别器，作为不同GAN的可插拔模块。通过将生成分布作为输入的一部分，使得判别器的目标最优值保持平稳，所提出的判别器比原始判别器更加鲁棒。测度条件判别器的一个变体还可以处理多个目标分布，或作为KL散度等统计距离的替代模型，并可应用于迁移学习。

关键词

测度条件判别器生成对抗网络平稳最优值统计距离替代 KL散度迁移学习可插拔模块

引用

@article{arxiv.2101.06802,
  title  = {Measure-conditional Discriminator with Stationary Optimum for GANs and Statistical Distance Surrogates},
  author = {Liu Yang and Tingwei Meng and George Em Karniadakis},
  journal= {arXiv preprint arXiv:2101.06802},
  year   = {2021}
}