文章目錄

• • 概
  • 主要內容

Zhang H., Zhang Z., Odena A. and Lee H. CONSISTENCY REGULARIZATION FOR GENERATIVE ADVERSARIAL NETWORKS. ICLR, 2020.

Zhao Z., Singh S., Lee H., Zhang Z., Odena A. and Zhang H. Improved Consistency Regularization for GANs. AAAI, 2020.

概

讓GAN訓練穩定的方法主要有normalization 和 regularization.
這兩篇文章介紹了 consistency regularization.

主要內容

如上圖所示, $T$是augmentation,
CR-GAN的思路是, 希望$D(T(x)),D(x)$彼此接近,
bCR-GAN在此基礎上, 還希望$D(G(z)),D(T(G(z)))$也彼此接近.
zCR-GAN則是將$T$直接作用在$z$上:

$G(z),G(T(z))$彼此遠離, 即增加多樣性;

$D(G(z)),D(G(T(z)))$彼此靠近, 即生成的圖片應該有共同的主體特征.

至于ICR-GAN, 是bCR和zCR的結合.

注: 如果$z$是隱向量, $T$采取高斯噪聲$T(z)～\mathcal{N}(z,{\sigma }_{noise})$.

注: 遠離和靠近的度量, 文中采用的是
$$\Vert ?{\Vert }^2.$$

總結

以上是生活随笔為你收集整理的Consistency Regularization for GANs的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。