基于MINE的无偏辅助分类器GAN
计算机视觉与模式识别
2020-06-16 v1 机器学习
摘要
辅助分类器GAN（AC-GAN）是广泛使用的条件生成模型，能够生成高质量图像。先前工作指出AC-GAN学习到有偏分布。为弥补此缺陷，孪生辅助分类器GAN（TAC-GAN）在极小极大博弈中引入孪生分类器。然而，据报道使用孪生辅助分类器可能导致训练不稳定。为此，我们提出无偏辅助GAN（UAC-GAN），利用互信息神经估计器（MINE）估计生成数据分布与标签之间的互信息。为进一步提升性能，我们还为MINE提出一种新颖的基于投影的统计网络架构。在包括高斯混合（MoG）、MNIST和CIFAR10在内的三个数据集上的实验结果表明，我们的UAC-GAN性能优于AC-GAN和TAC-GAN。代码可在项目网站上找到。
引用
@article{arxiv.2006.07567,
title = {Unbiased Auxiliary Classifier GANs with MINE},
author = {Ligong Han and Anastasis Stathopoulos and Tao Xue and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2006.07567},
year = {2020}
}
备注
Accepted at CVPRW-20