目录
让GAN训练稳定的方法主要有normalization 和 regularization.
这两篇文章介绍了 consistency regularization.
如上图所示, \(T\)是augmentation,
CR-GAN的思路是, 希望\(D(T(x)), D(x)\)彼此接近,
bCR-GAN在此基础上, 还希望\(D(G(z)), D(T(G(z)))\)也彼此接近.
zCR-GAN则是将\(T\)直接作用在\(z\)上:
至于ICR-GAN, 是bCR和zCR的结合.
注: 如果\(z\)是隐向量, \(T\)采取高斯噪声\(T(z) \sim \mathcal{N}(z, \sigma_{noise})\).
注: 远离和靠近的度量, 文中采用的是
\[\|\cdot \|^2.
\]
手机扫一扫
移动阅读更方便
你可能感兴趣的文章