Prb-GAN：一种GAN建模的概率框架
机器学习
2021-07-13 v1 计算机视觉与模式识别
机器学习
摘要
生成对抗网络（GANs）在生成逼真图像方面非常流行，但它们常受训练不稳定问题与模式丢失现象困扰。为在GAN合成数据中获得更大多样性，解决模式丢失问题至关重要。我们的工作探索了GAN建模的概率方法，以使我们能应对这些问题。我们提出Prb-GANs，一种利用dropout在网络参数上创建分布、并通过变分推断学习后验的新变体。我们从理论上描述并用简单与复杂数据集实验验证了该方法的好处。我们进一步利用不确定性度量的概念探究改进。通过对GAN各网络损失函数的一系列修改，我们得到了显示GAN性能提升的结果。我们的方法极为简单，且对现有GAN架构改动极小。
引用
@article{arxiv.2107.05241,
title = {Prb-GAN: A Probabilistic Framework for GAN Modelling},
author = {Blessen George and Vinod K. Kurmi and Vinay P. Namboodiri},
journal= {arXiv preprint arXiv:2107.05241},
year = {2021}
}