VAE-QWGAN: Improving Quantum GANs for High Resolution Image Generation

要約

この論文では、古典的な変分オートエンコーダー (VAE) とハイブリッド量子ワッサーシュタイン敵対的生成ネットワーク (QWGAN) の長所を組み合わせた、新しいハイブリッド量子生成モデル VAE-QWGAN を紹介します。
VAE-QWGAN は、VAE デコーダーと QGAN ジェネレーターを共有パラメーターを持つ単一の量子モデルに統合し、トレーニング中の潜在ベクトル サンプリングに VAE のエンコーダーを利用します。
推論時にトレーニングされたモデルから新しいデータを生成するには、入力潜在ベクトルがガウス混合モデル (GMM) からサンプリングされ、トレーニング潜在ベクトルで学習されます。
これにより、生成される画像の多様性と品質が向上します。
MNIST/Fashion-MNIST データセットでモデルのパフォーマンスを評価し、既存のアプローチと比較して生成された画像の品質と多様性が向上していることを実証します。

要約(オリジナル)

This paper presents a novel hybrid quantum generative model, the VAE-QWGAN, which combines the strengths of a classical Variational AutoEncoder (VAE) with a hybrid Quantum Wasserstein Generative Adversarial Network (QWGAN). The VAE-QWGAN integrates the VAE decoder and QGAN generator into a single quantum model with shared parameters, utilizing the VAE’s encoder for latent vector sampling during training. To generate new data from the trained model at inference, input latent vectors are sampled from a Gaussian Mixture Model (GMM), learnt on the training latent vectors. This, in turn, enhances the diversity and quality of generated images. We evaluate the model’s performance on MNIST/Fashion-MNIST datasets, and demonstrate improved quality and diversity of generated images compared to existing approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google