O-GAN：一种极简的编码生成对抗网络方法
计算机视觉与模式识别
2019-03-06 v1 机器学习
摘要
在本文中，我们提出正交生成对抗网络（O-GANs）。我们将判别器的网络正交分解，并在常见 GANs 的目标中添加一个额外损失，可强制判别器成为有效的编码器。同一额外损失可嵌入任意类型的 GANs 中，且几乎不增加计算量。此外，我们讨论了方法原理，其相对于判别器剩余自由度的充分利用。据我们所知，我们的方案是训练具有自动编码能力的生成对抗网络的最简单方法。
引用
@article{arxiv.1903.01931,
title = {O-GAN: Extremely Concise Approach for Auto-Encoding Generative Adversarial Networks},
author = {Jianlin Su},
journal= {arXiv preprint arXiv:1903.01931},
year = {2019}
}