面向 GAN 的白化与着色批变换
机器学习
2019-02-27 v2 机器学习
摘要
批归一化（BN）是一种常用于加速并稳定训练的技术。另一方面，BN 的可学习参数通常在条件生成对抗网络（cGAN）中用于借助条件批归一化（cBN）表示类特定信息。在本文中，我们提出使用基于白化与着色的批归一化来推广 BN 和 cBN。我们表明，我们的条件着色能够表示类别条件信息，这在很大程度上有助于 cGAN 的定性结果。此外，我们表明在一般的 GAN 场景中全特征白化十分重要，而该场景的训练过程已知高度不稳定。我们在不同数据集上并使用不同 GAN 网络与训练协议测试了我们的方法，在所有被测框架中均显示出一致的改进。我们在 CIFAR-10 上的条件结果高于该数据集上以往所有工作。
引用
@article{arxiv.1806.00420,
title = {Whitening and Coloring batch transform for GANs},
author = {Aliaksandr Siarohin and Enver Sangineto and Nicu Sebe},
journal= {arXiv preprint arXiv:1806.00420},
year = {2019}
}
备注
ICLR 2019