三角生成对抗网络
机器学习
2017-11-21 v2 机器学习
摘要
我们开发了一种三角生成对抗网络（-GAN），用于半监督跨域联合分布匹配，其中训练数据由来自每个域的样本组成，而域对应的监督仅由少数配对样本提供。-GAN 由四个神经网络组成：两个生成器和两个判别器。生成器旨在学习两个域之间的双向条件分布，而判别器隐式定义了一个三元判别函数，该函数被训练以区分真实数据对和两种伪造数据对。生成器和判别器通过对抗学习一起训练。在温和的假设下，理论上由两个生成器表征的联合分布会收敛于数据分布。在实验中，考虑了三种不同的域对：图像-标签、图像-图像和图像-属性对。在半监督图像分类、图像到图像翻译和基于属性的图像生成上的实验证明了所提方法的优越性。
引用
@article{arxiv.1709.06548,
title = {Triangle Generative Adversarial Networks},
author = {Zhe Gan and Liqun Chen and Weiyao Wang and Yunchen Pu and Yizhe Zhang and Hao Liu and Chunyuan Li and Lawrence Carin},
journal= {arXiv preprint arXiv:1709.06548},
year = {2017}
}
备注
To appear in NIPS 2017