生成对抗网络的光谱归一化
机器学习
2018-02-19 v1 计算机视觉与模式识别
机器学习
摘要
生成对抗网络研究中的挑战之一是其训练的不稳定性。本文中，我们提出一种称为光谱归一化（spectral normalization）的新型权重归一化技术以稳定判别器的训练。我们的新归一化技术计算量轻且易于整合进现有实现中。我们在 CIFAR10、STL-10 和 ILSVRC2012 数据集上测试了光谱归一化的效能，并实验证实光谱归一化的 GAN（SN-GANs）能够生成相对于先前训练稳定技术质量更优或相当的图像。
引用
@article{arxiv.1802.05957,
title = {Spectral Normalization for Generative Adversarial Networks},
author = {Takeru Miyato and Toshiki Kataoka and Masanori Koyama and Yuichi Yoshida},
journal= {arXiv preprint arXiv:1802.05957},
year = {2018}
}
备注
Published as a conference paper at ICLR 2018