GANs 的渐进式增强
计算机视觉与模式识别
2019-10-29 v3
摘要
生成对抗网络（GANs）的训练 notoriously 脆弱，需要在生成器与判别器之间维持谨慎的平衡才能表现良好。为缓解此问题，我们引入一种新的正则化技术——GANs 的渐进式增强（PA-GAN）。其核心思想是逐步增强判别器的任务难度，通过渐进式地扩充其输入或特征空间，从而实现生成器的持续学习。我们证明所提出的渐进式增强保持了原始 GAN 目标，不损害判别器的最优性，并鼓励生成器与判别器之间健康的竞争，从而得到性能更优的生成器。我们通过实验在多种架构及多个图像合成任务基准上证明了 PA-GAN 的有效性，平均实现了 FID 分数约 3 个点的提升。
引用
@article{arxiv.1901.10422,
title = {Progressive Augmentation of GANs},
author = {Dan Zhang and Anna Khoreva},
journal= {arXiv preprint arXiv:1901.10422},
year = {2019}
}
备注
Accepted at NeurIPS'19