生成对抗网络是一种强大的图像生成方法,主要的训练策略是生成器与判别器之间的零和博弈,通过生成器和判别器的循环对抗训练,最终达到纳什均衡。为了在有限数据集上快速生成图像,通过使用变分自编码器(Variational Auto Encoder,VAE)提...生成对抗网络是一种强大的图像生成方法,主要的训练策略是生成器与判别器之间的零和博弈,通过生成器和判别器的循环对抗训练,最终达到纳什均衡。为了在有限数据集上快速生成图像,通过使用变分自编码器(Variational Auto Encoder,VAE)提取真实图像信息,并将重建图像视为虚假图像来改进BEGAN,以增加判别器辨别真假图像的难度,特别是在训练初期进一步缓解模式崩溃和稳定性问题。生成器通过正则化项获取VAE 提取的信息来加快学习速度。实验数据验证,该改进的BEGAN 网络训练稳定,具备在有限数据集上快速生成高质量和高多样性图像的能力。展开更多
文摘生成对抗网络是一种强大的图像生成方法,主要的训练策略是生成器与判别器之间的零和博弈,通过生成器和判别器的循环对抗训练,最终达到纳什均衡。为了在有限数据集上快速生成图像,通过使用变分自编码器(Variational Auto Encoder,VAE)提取真实图像信息,并将重建图像视为虚假图像来改进BEGAN,以增加判别器辨别真假图像的难度,特别是在训练初期进一步缓解模式崩溃和稳定性问题。生成器通过正则化项获取VAE 提取的信息来加快学习速度。实验数据验证,该改进的BEGAN 网络训练稳定,具备在有限数据集上快速生成高质量和高多样性图像的能力。
