分数引导的生成对抗网络
机器学习
2020-05-28 v2 计算机视觉与模式识别
图像与视频处理
摘要
我们提出了一种引入使用预训练网络的评估器模块的生成对抗网络（GAN）。所提出的模型称为分数引导 GAN（ScoreGAN），其训练以 GAN 的一种评价指标即 Inception 分数作为生成器训练的粗略引导。通过使用另一个预训练网络替代 Inception 网络，ScoreGAN 规避了 Inception 网络的过拟合，从而使生成样本不至于对应 Inception 网络的对抗样本。此外，为防止过拟合，评价指标仅作为辅助角色使用，而 GAN 的常规目标仍被主要使用。在 CIFAR-10 数据集上的评估表明，ScoreGAN 取得了 10.360.15 的 Inception 分数，对应于当前最优性能。进一步地，为推广 ScoreGAN 的有效性，该模型还在另一数据集 CIFAR-100 上进行了评估；结果显示 ScoreGAN 优于其他现有方法，其 Fréchet Inception Distance（FID）为 13.98。
引用
@article{arxiv.2004.04396,
title = {Score-Guided Generative Adversarial Networks},
author = {Minhyeok Lee and Junhee Seok},
journal= {arXiv preprint arXiv:2004.04396},
year = {2020}
}