通过图灵测试训练生成对抗网络

Jianlin Su

通过图灵测试训练生成对抗网络

机器学习 2018-10-30 v2 计算机视觉与模式识别机器学习

作者: Jianlin Su

摘要

在本文中，我们引入了一种训练生成对抗网络（GANs）的新模式。我们不是最小化证据分布 $\tilde{p}(x)$ 与生成分布 $q(x)$ 之间的距离，而是最小化 $\tilde{p}(x_r)q(x_f)$ 与 $\tilde{p}(x_f)q(x_r)$ 之间的距离。这种对抗模式可解释为 GANs 中的图灵测试。它允许我们在训练生成器时使用真实样本的信息，并加速整个训练过程。我们甚至发现，仅按比例增大判别器与生成器的规模，无需仔细调整超参数，即可在 256x256 分辨率上取得成功。

关键词

生成对抗网络图灵测试对抗训练生成器判别器高分辨率图像生成

引用

@article{arxiv.1810.10948,
  title  = {Training Generative Adversarial Networks Via Turing Test},
  author = {Jianlin Su},
  journal= {arXiv preprint arXiv:1810.10948},
  year   = {2018}
}

备注

fix some clerical errors, add some experimental data

通过图灵测试训练生成对抗网络

摘要

关键词

引用

备注

相关论文