利用流经编码器的梯度更新 PPGN-h 中的生成器
计算机视觉与模式识别
2018-04-03 v1
摘要
生成对抗网络（GAN）框架在隐式建模数据分布方面已显示出成功，并能够生成逼真的样本。其架构由一个生成器与一个判别器组成：生成器产生表面上似乎属于真实数据分布的伪数据，判别器则区分伪样本与真实样本。无噪声联合即插即用模型通过同时训练自编码器对该框架进行了扩展。该模型使用预训练编码器作为特征提取器，为生成器提供全局信息。以即插即用网络为基线，我们通过向即插即用架构添加判别器设计了一个新模型。这些附加判别器经训练以辨别真实与伪潜码，二者分别是编码器以真实与生成输入得到的输出。我们进而探究该方法是否可行。针对 MNIST 流形进行的实验表明情况确实如此。
引用
@article{arxiv.1804.00630,
title = {Updating the generator in PPGN-h with gradients flowing through the encoder},
author = {Hesam Pakdaman},
journal= {arXiv preprint arXiv:1804.00630},
year = {2018}
}
备注
Master's thesis, 7 pages