[ICCV2019]AutoGAN：首次将NAS搜索方法引入对抗生成网络

[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