在 GANs 家族中选择最佳：一种后选择推断框架
机器学习
2018-06-26 v2 机器学习
摘要
“哪种生成对抗网络（GANs）生成的图像最逼真？”一直是研究者频繁提出的问题。为解决此问题，我们首先提出最大均值差异的不完全 U-统计量估计 ，用以度量生成图像与真实图像间的分布差异。 具有渐近正态性、计算高效和模型无关的优点。我们随后提出一种 GANs 分析框架，利用基于 的后选择推断（PSI）来筛选并检验 GANs 家族中的“最佳”成员。实验中，我们在 7 种 GANs 变体上采用所提框架并比较其 分数。
引用
@article{arxiv.1802.05411,
title = {Selecting the Best in GANs Family: a Post Selection Inference Framework},
author = {Yao-Hung Hubert Tsai and Makoto Yamada and Denny Wu and Ruslan Salakhutdinov and Ichiro Takeuchi and Kenji Fukumizu},
journal= {arXiv preprint arXiv:1802.05411},
year = {2018}
}