GAN的噪声维度：一种图像压缩视角
计算机视觉与模式识别
2024-03-15 v1
摘要
生成对抗网络（GAN）是一种将高维噪声映射到目标分布样本的生成模型。然而，GAN所需噪声的维度尚未被充分理解。以往的方法将GAN视为从一个连续分布到另一个连续分布的映射。在本文中，我们提出将GAN视为一个离散采样器。从这个视角出发，我们在所需的最小噪声与无损压缩图像所需的比特数之间建立了联系。此外，为了理解噪声维度受限时GAN的行为，我们提出了散度-熵权衡。这种权衡描绘了在噪声受限时我们所能达到的最佳散度。并且，如同率失真权衡，当源分布已知时，它可以进行数值求解。最后，我们通过图像生成实验验证了我们的理论。
引用
@article{arxiv.2403.09196,
title = {Noise Dimension of GAN: An Image Compression Perspective},
author = {Ziran Zhu and Tongda Xu and Ling Li and Yan Wang},
journal= {arXiv preprint arXiv:2403.09196},
year = {2024}
}
备注
ICME24