Generative Adversarial Networks (GANs Survey): Challenges, Solutions, and Future Directions

要約

タイトル：生成敵対的ネットワーク（GAN）の調査：課題、解決策、および将来の方向性

要約：

– GANは、最近注目された新しい深層生成モデルのクラスであり、画像、音声、およびデータ上で暗黙的に複雑かつ高次元の分布を学習します。
– しかし、GANのトレーニングには、ネットワークアーキテクチャの不適切な設計、目的関数の使用、最適化アルゴリズムの選択によるモード崩壊、非収束、不安定性などの主要な課題が存在します。
– 最近では、これらの課題に対処するために、再設計されたネットワークアーキテクチャの技術、新しい目的関数、代替最適化アルゴリズムに基づくより良い設計および最適化のためのいくつかの解決策が調査されています。
– しかし、これらの解決策の広範かつ体系的な開発に特に焦点を当てた既存の調査は存在しないため、この研究では、GANの設計および最適化の解決策の進展について包括的な調査を行い、達成された洞察に基づいて、この急速に成長している領域における有望な研究方向を提示しています。

要約(オリジナル)

Generative Adversarial Networks (GANs) is a novel class of deep generative models which has recently gained significant attention. GANs learns complex and high-dimensional distributions implicitly over images, audio, and data. However, there exists major challenges in training of GANs, i.e., mode collapse, non-convergence and instability, due to inappropriate design of network architecture, use of objective function and selection of optimization algorithm. Recently, to address these challenges, several solutions for better design and optimization of GANs have been investigated based on techniques of re-engineered network architectures, new objective functions and alternative optimization algorithms. To the best of our knowledge, there is no existing survey that has particularly focused on broad and systematic developments of these solutions. In this study, we perform a comprehensive survey of the advancements in GANs design and optimization solutions proposed to handle GANs challenges. We first identify key research issues within each design and optimization technique and then propose a new taxonomy to structure solutions by key research issues. In accordance with the taxonomy, we provide a detailed discussion on different GANs variants proposed within each solution and their relationships. Finally, based on the insights gained, we present the promising research directions in this rapidly growing field.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI