投影GAN收敛更快
计算机视觉与模式识别
2021-11-02 v1 机器学习
摘要
生成对抗网络（GANs）能生成高质量图像，但难以训练。它们需要细致的正则化、大量计算和昂贵的超参数扫描。我们通过将生成样本与真实样本投影到固定的预训练特征空间中，在这些问题上取得了显著进展。受判别器无法充分利用预训练模型更深层次特征的发现启发，我们提出了一种更有效的策略，跨通道和分辨率混合特征。我们的投影GAN改善了图像质量、采样效率和收敛速度。它进一步兼容高达一百万像素的分辨率，并在二十二个基准数据集上推进了最先进的Fréchet Inception Distance（FID）。重要的是，在相同的计算资源下，投影GANs以快达40倍的速度匹配此前最低的FIDs，将挂钟时间从5天缩短到不到3小时。
引用
@article{arxiv.2111.01007,
title = {Projected GANs Converge Faster},
author = {Axel Sauer and Kashyap Chitta and Jens Müller and Andreas Geiger},
journal= {arXiv preprint arXiv:2111.01007},
year = {2021}
}
备注
To appear in NeurIPS 2021. Project Page: https://sites.google.com/view/projected-gan/