真或假，此乃问题所在
机器学习
2020-02-14 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
尽管生成对抗网络（GAN）已被广泛采用于各类课题，本文中我们将标准 GAN 推广到一个新视角，将真实性视为可从多角度估计的随机变量。在这一称为 RealnessGAN 的广义框架下，判别器输出一个分布作为真实性的度量。虽然 RealnessGAN 与标准 GAN 具有相似的理论保证，它提供了关于对抗学习的更多洞见。与多个基线相比，RealnessGAN 为生成器提供了更强的指导，在合成与真实世界数据集上均取得改进。此外，它使基础 DCGAN 架构在从头训练时即可生成 1024*1024 分辨率的逼真图像。
引用
@article{arxiv.2002.05512,
title = {Real or Not Real, that is the Question},
author = {Yuanbo Xiangli and Yubin Deng and Bo Dai and Chen Change Loy and Dahua Lin},
journal= {arXiv preprint arXiv:2002.05512},
year = {2020}
}
备注
ICLR2020 spotlight. 1) train GAN by maximizing kl-divergence. 2) train non-progressive GAN (DCGAN) architecture at 1024*1024 resolution