非平衡 GAN：利用变分自编码器预训练生成对抗网络的生成器
机器学习
2020-02-07 v1 计算机视觉与模式识别
机器学习
摘要
我们提出非平衡 GAN（Unbalanced GANs），其利用变分自编码器（VAE）对生成对抗网络（GAN）的生成器进行预训练。我们通过防止判别器在训练早期过快收敛，从而保证生成器的稳定训练。此外，我们在训练早期平衡生成器与判别器，从而维持 GAN 的稳定训练。我们将非平衡 GAN 应用于知名公开数据集，发现非平衡 GAN 减少了模式崩溃。我们还表明，在稳定学习、更快收敛以及训练早期更优图像质量方面，非平衡 GAN 优于普通 GAN。
引用
@article{arxiv.2002.02112,
title = {Unbalanced GANs: Pre-training the Generator of Generative Adversarial Network using Variational Autoencoder},
author = {Hyungrok Ham and Tae Joon Jun and Daeyoung Kim},
journal= {arXiv preprint arXiv:2002.02112},
year = {2020}
}