关于 MMD GAN 的梯度正则化器
机器学习
2021-01-15 v5 机器学习
摘要
我们提出一种基于梯度的方法，用于对通过对抗优化最大均值差异(Maximum Mean Discrepancy, MMD)核训练的 GAN 类模型的判别器(critic)进行正则化。我们表明，控制判别器的梯度对于获得合理的损失函数至关重要，并设计了一种方法，以相较于现有基于加性正则化的近似技术无额外代价地强制实现精确的解析梯度约束。新的损失函数可证连续，实验表明其稳定并加速了训练，所得到的图像生成模型在 CelebA 与 无条件 ImageNet 上优于最先进(state-of-the-art)方法。
引用
@article{arxiv.1805.11565,
title = {On gradient regularizers for MMD GANs},
author = {Michael Arbel and Danica J. Sutherland and Mikołaj Bińkowski and Arthur Gretton},
journal= {arXiv preprint arXiv:1805.11565},
year = {2021}
}
备注
Code at https://github.com/MichaelArbel/Scaled-MMD-GAN