Improving GAN Training via Feature Space Shrinkage

要約

タイトル：特徴空間の収縮によるGANトレーニングの改善

要約：
– GANは画像生成の能力が高く注目されているが、トレーニングが難しい。
– トレーニング分布がダイナミックであるため、不安定な画像表現をもたらす。
– 本研究では、堅牢な画像表現の研究に着目し、GANのトレーニングを改善する。
– AdaptiveMixというモジュールを提案し、トレーニングデータの領域を縮小することにより、GANのトレーニングを支援する。
– AdaptiveMixは、トレーニング画像のペアに混合することで、難しいサンプルを生成することにより、構築される。
– AdaptiveMixは広く使用されているGANアーキテクチャと最新技術の両方とともに評価され、生成されたサンプルの画質を改善することができることが明らかになっている。
– AdaptiveMixは、最新技術とともに設計されていることから、画像分類やOOD検出のタスクに適用されることができる。
– 広範な公開データセットでの実験により、AdaptiveMixはベースラインの性能を効果的に向上させることができることがわかっている。　(Githubでコード公開)

要約(オリジナル)

Due to the outstanding capability for data generation, Generative Adversarial Networks (GANs) have attracted considerable attention in unsupervised learning. However, training GANs is difficult, since the training distribution is dynamic for the discriminator, leading to unstable image representation. In this paper, we address the problem of training GANs from a novel perspective, \emph{i.e.,} robust image classification. Motivated by studies on robust image representation, we propose a simple yet effective module, namely AdaptiveMix, for GANs, which shrinks the regions of training data in the image representation space of the discriminator. Considering it is intractable to directly bound feature space, we propose to construct hard samples and narrow down the feature distance between hard and easy samples. The hard samples are constructed by mixing a pair of training images. We evaluate the effectiveness of our AdaptiveMix with widely-used and state-of-the-art GAN architectures. The evaluation results demonstrate that our AdaptiveMix can facilitate the training of GANs and effectively improve the image quality of generated samples. We also show that our AdaptiveMix can be further applied to image classification and Out-Of-Distribution (OOD) detection tasks, by equipping it with state-of-the-art methods. Extensive experiments on seven publicly available datasets show that our method effectively boosts the performance of baselines. The code is publicly available at https://github.com/WentianZhang-ML/AdaptiveMix.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI