扰动 GAN：带扰动层的 GAN
机器学习
2019-02-06 v1 机器学习
摘要
本文提出扰动 GAN（Perturbative GAN），它将现有卷积 GAN（DCGAN、WGAN-GP、BIGGAN 等）的卷积层替换为添加固定噪声掩码的扰动层。与卷积 GAN 相比，待训练参数更少、训练收敛更快、生成图像的 inception score 更高，且总体训练成本降低。本文还提出了噪声掩码的算法化生成方法，借此可通过硬件加速来提升训练与生成。扰动 GAN 在常规数据集（CIFAR10、LSUN、ImageNet）上进行了评估，评估涵盖仅对生成器采用扰动层以及生成器与判别器均引入扰动层两种情况。
引用
@article{arxiv.1902.01514,
title = {Perturbative GAN: GAN with Perturbation Layers},
author = {Yuma Kishi and Tsutomu Ikegami and Shin-ichi O'uchi and Ryousei Takano and Wakana Nogami and Tomohiro Kudoh},
journal= {arXiv preprint arXiv:1902.01514},
year = {2019}
}