关于生成对抗网络中的噪声注入
机器学习
2021-05-25 v3 机器学习
摘要
噪声注入已被证明是生成高保真图像的关键技术进展之一。尽管其在 GANs 中已被成功使用，其有效性机制仍不清楚。本文中，我们提出一个几何框架来从理论上分析噪声注入在 GANs 中的作用。基于黎曼几何，我们成功将噪声注入框架建模为测地法坐标上的模糊等价。在我们的理论指导下，我们发现现有方法并不完备，并设计了一种新的噪声注入策略。在图像生成与 GAN 反演上的实验证明了我们方法的优越性。
引用
@article{arxiv.2006.05891,
title = {On Noise Injection in Generative Adversarial Networks},
author = {Ruili Feng and Deli Zhao and Zhengjun Zha},
journal= {arXiv preprint arXiv:2006.05891},
year = {2021}
}
备注
Deep Learning Theory; Generative Adversarial Network; Machine Learning