[ICCV2019]AutoGAN:
首次将NAS搜索方法
引入对抗生成网络
《AutoGAN: Neural Architecture Search for Generative Adversarial Networks》
论文链接:https://arxiv.org/abs/1908.03835
源码链接:https://github.com/VITA-Group/AutoGAN
创新点概述
AutoGAN首次应用NAS在对抗生成网络中,其设定一个生成器的搜索空间,利用RNN搜索,同时使用参数共享等策略加速搜索,采用初始分数作为reward,并使用了逐级搜索的策略,逐步执行NAS搜索。
简介
自从GAN的诞生以来,就一直有不用的GAN在不断产生。但是人们对GAN的backbone关注较少,而且大家都认为backbone对GAN产生的影响较小。早期的GAN生成器和鉴别器层次很浅,因为GAN训练很不稳定,近些年来随着残差网络的出现,才将GAN的层次变深,从而产生更高分辨率的图像。因为这几年通过改进网络结构,分类和分割任务取得了很大的进展,于是作者坚信改进GAN的网络结构能带来好的结果,所以作者就想到了最近流行的NAS方法,自动搜索