RankGAN：一种用于人脸生成的最大间隔排序 GAN
计算机视觉与模式识别
2018-12-21 v1
摘要
我们提出一种用于训练生成对抗网络（GANs）的新阶段式学习范式。我们工作的目标是逐阶段不断增强判别器，从而在不改变网络架构的情况下增强生成器。我们将此提出的方法称为 RankGAN。我们首先为 GAN 判别器提出一种基于间隔的损失。随后将其扩展为基于间隔的排序损失，以训练 RankGAN 的多个阶段。我们的工作聚焦于 CelebA 数据集上的人脸图像，并在人脸生成与补全任务上展示了相对于其他 GAN 方法（包括 WGAN 和 LSGAN）在视觉及定量上的改进。
引用
@article{arxiv.1812.08196,
title = {RankGAN: A Maximum Margin Ranking GAN for Generating Faces},
author = {Rahul Dey and Felix Juefei-Xu and Vishnu Naresh Boddeti and Marios Savvides},
journal= {arXiv preprint arXiv:1812.08196},
year = {2018}
}
备注
Best Student Paper Award at Asian Conference on Computer Vision (ACCV), 2018 at Perth, Australia. Includes main paper and supplementary material. Total 32 pages including references