Mimicry：迈向GAN研究的可复现性
计算机视觉与模式识别
2020-05-07 v1 图像与视频处理
摘要
推进生成对抗网络（GANs）研究的前沿，需要谨慎且准确地与现有工作进行比较。然而，当模型经常使用不同框架以不同方式实现，并且即使使用相同度量也采用不同流程进行评估时，这在实际中往往难以实现。为缓解这些问题，我们引入了Mimicry，一个轻量级的PyTorch库，提供了流行的先进GANs和评估度量的实现，以紧密复现文献中报告的分数。我们在相同条件下训练这些GANs，并在七个广泛使用的数据集上提供了不同GANs的综合基线性能，同时使用相同流程在三个流行的GAN度量下对它们进行评估。该库可在 https://github.com/kwotsin/mimicry 找到。
引用
@article{arxiv.2005.02494,
title = {Mimicry: Towards the Reproducibility of GAN Research},
author = {Kwot Sin Lee and Christopher Town},
journal= {arXiv preprint arXiv:2005.02494},
year = {2020}
}
备注
Accepted to the AI for Content Creation Workshop at CVPR 2020