那么多GAN哪个好?谷歌大脑泼来冷水:都和原版差不多

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/cf2SudS8x8F0v/article/details/78692564

640?wx_fmt=png&wxfrom=5&wx_lazy=1

来源:量子位

概要:从2014年诞生至今,生成对抗网络(GAN)热度只增不减,各种各样的变体层出不穷。


从2014年诞生至今,生成对抗网络(GAN)热度只增不减,各种各样的变体层出不穷。有位名叫Avinash Hindupur的国际友人建立了一个GAN Zoo,他的“动物园”里目前已经收集了多达214种有名有姓的GAN。


DeepMind研究员们甚至将自己提出的一种变体命名为α-GAN,然后在论文中吐槽说,之所以用希腊字母做前缀,是因为拉丁字母几乎都被占了……


0?wx_fmt=png


这还不是最匪夷所思的名字,在即将召开的NIPS 2017上,杜克大学还有个Δ-GAN要发表。


就是这么火爆!


那么问题来了:这么多变体,有什么区别?哪个好用?


于是,Google Brain的几位研究员(不包括原版GAN的爸爸Ian Goodfellow)对各种GAN做一次“中立、多方面、大规模的”评测,得出了一个有点丧的结论:


No evidence that any of the tested algorithms consistently outperforms the original one.


非常不严谨地翻译一下:


都差不多……都跟原版差不多……


0?wx_fmt=png


比什么?


这篇论文集中探讨的是无条件生成对抗网络,也就是说,只有无标签数据可用于学习。选取了如下GAN变体:


MM GAN

NS GAN

WGAN

WGAN GP

LS GAN

DRAGAN

BEGAN


其中MM GAN和NS GAN分别表示用minimax损失函数和用non-saturating损失函数的原版GAN。


0?wx_fmt=png


除此之外,他们还在比较中加入了另一个热门生成模型VAE(Variational Autoencoder,变分自编码器)。


对于各种GAN的性能,Google Brain团队选了两组维度来进行比较。


一是FID(Fréchet Inception Distance),FID的值和生成图像的质量负相关。


测试FID时用了4个数据集:MNIST、Fashion MNIST、CIFAR-10和CELEBA。这几个数据集的复杂程度从简单到中等,能快速进行多次实验,是测试生成模型的常见选择。


二是精度(precision、)、查全率(recall)和F1得分,用来衡量判别式模型的质量。其中F1是精度和查全率的调和平均数。


这项测试所用的,是Google Brain研究员们自创的一个数据集,由各种角度的三角形灰度图像组成。


0?wx_fmt=jpeg

△ 精度和查全率都高、高精度低查全率、低精度高查全率、精度和查全率都低的模型的样本

对比结果


Google Brain团队从FID和F1两个方面对上面提到的模型进行比较,得出了以下结果。


FID


0?wx_fmt=png


通过对每个模型100组超参数的大范围搜索,得出的结论是GAN在训练中都对于超参数设置非常敏感,没有哪个变体能够幸免,也就说,哪个GAN也没能比竞品们更稳定。


0?wx_fmt=png


从结果来看,每个模型的性能擅长处理的数据集不太一样,没有在所有数据集上都明显优于同类的。不过,VAE相比之下是最弱的,它所生成出的图像最模糊。


0?wx_fmt=png


测试还显示,随着计算资源配置的提高,最小FID有降低的趋势。


如果设定一个FID范围,用比较多计算资源训练的“坏”模型,可能表现得比用较少计算资源训练的“好”模型要更好。


另外,当计算资源配置相对比较低的时候,所有模型的最小FID都差不多,也就是说,如果严格限制预算,就比较不出这些模型之间具有统计意义的显著区别。


他们经过比较得出的结论是,用能达到的最小FID来对模型进行比较是没有意义的,要比较固定计算资源配置下的FID分布。


FID之间的比较也表明,随着计算力的增加,最先进的GAN模型之间体现不出算法上的优劣差别。


精度、查全率和F1


Google Brain团队还用他们的三角形数据集,测试了样本量为1024时,大范围搜索超参数来进行计算的精度和查全率。


对于特定的模型和超参数设置,最高F1得分会随着计算资源配置的不同而不同,如下图所示:


0?wx_fmt=png

△ 不同计算资源配置下各模型的F1、精度和查全率

论文作者们说,即使是一个这么简单的任务,很多模型的F1也并不高。当针对F1进行优化时,NS GAN和WGAN的精度和查全率都比较高。


和原版GAN相比


Google Brain团队还将这些变体和原版GAN做了对比。他们得出的结论是,没有实证证据能证明这些GAN变体在所有数据集上明显优于原版。


实际上,NS GAN水平和其他模型持平,在MNIST上的FID总体水平最好,F1也比其他模型要高。


相关链接


要详细了解这项研究,还是得读论文:


Are GANs Created Equal? A Large-Scale Study
Mario Lucic, Karol Kurach, Marcin Michalski, Sylvain Gelly, Olivier Bousquet
https://arxiv.org/abs/1711.10337


查找某种GAN变体,可以去文章开头提到的GAN Zoo:
https://github.com/hindupuravinash/the-gan-zoo



未来智能实验室致力于研究互联网与人工智能未来发展趋势,观察评估人工智能发展水平,由中国科学院虚拟经济与数据科学研究中心刘锋、石勇、和刘颖创建。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;构建互联网(城市)云脑架构,形成科技趋势标杆企业库并应用与行业与智慧城市的智能提升。


  如果您对实验室的研究感兴趣,欢迎支持和加入我们。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=png





没有更多推荐了,返回首页