GAN的Wasserstein近端
机器学习
2021-02-16 v1 人工智能
数值分析
数值分析
摘要
我们引入一种通过生成器上施加Wasserstein-2度量近端来训练生成对抗网络的新方法。该方法基于Wasserstein信息几何，通过从概率空间向参数空间拉回最优传输结构，定义了一种参数化不变的自然梯度。我们获得了用于隐式深度生成模型参数更新的易实现迭代正则化项。实验表明，该方法在挂钟时间与Fréchet Inception Distance方面提升了训练的速度与稳定性。
引用
@article{arxiv.2102.06862,
title = {Wasserstein Proximal of GANs},
author = {Alex Tong Lin and Wuchen Li and Stanley Osher and Guido Montufar},
journal= {arXiv preprint arXiv:2102.06862},
year = {2021}
}