TripletGAN：用三元组损失训练生成模型
机器学习
2017-11-15 v1 机器学习
摘要
作为一种有效的度量学习手段，三元组损失已广泛用于诸多深度学习任务，包括人脸识别与行人重识别，取得许多最优结果。三元组损失的主要创新是在分类任务中用特征图替代 softmax。受此概念启发，我们提出一种新的对抗建模方法，用三元组损失替代判别器的分类损失。基于 IPM（积分概率度量）的理论证明表明，该设置将在一定条件下从理论上帮助生成器收敛到给定分布。此外，由于三元组损失要求生成器最大化类内距离，我们通过理论与实验证明 tripletGAN 亦有助于防止模式崩溃。
引用
@article{arxiv.1711.05084,
title = {TripletGAN: Training Generative Model with Triplet Loss},
author = {Gongze Cao and Yezhou Yang and Jie Lei and Cheng Jin and Yang Liu and Mingli Song},
journal= {arXiv preprint arXiv:1711.05084},
year = {2017}
}