用软八度卷积稳定GAN
机器学习
2020-12-18 v3 计算机视觉与模式识别
机器学习
摘要
受近期发表的利用卷积频率分解的方法（如八度卷积）启发，我们提出了一种新颖的卷积方案，以稳定训练并降低模式崩溃的可能性。我们方法的基本思想是将卷积滤波器拆分为加性的高频和低频部分，同时在训练过程中将权重更新从低频转移到高频。直观上，该方法迫使GAN在深入精细（高频）细节之前先学习低频粗粒度图像结构。我们还表明，所提出的软八度卷积的使用减少了生成图像在频域中的常见伪影。我们的方法与现有的稳定方法正交且互补，并可简单插入任何基于CNN的GAN架构。在CelebA数据集上的实验显示了所提方法的有效性。
引用
@article{arxiv.1905.12534,
title = {Stabilizing GANs with Soft Octave Convolutions},
author = {Ricard Durall and Franz-Josef Pfreundt and Janis Keuper},
journal= {arXiv preprint arXiv:1905.12534},
year = {2020}
}