FSMR: Feature Statistics Mixing Regularization for Generative Adversarial Networks
作者提出两个问题,(1)、生成对抗网络中的判别器是否对图片的风格内容敏感;(2)、如果判别器对图片的风格内容敏感,降低判别器对图片的风格内容敏感度是否会提升模型的性能。
作者设计了一个相对距离来量化判别器对图片的风格内容敏感的程度。并且做了相关实验。
作者通过在判别器的中间层上,在同一batch上随机抽取两张图片互相作为风格和内容图片,进行风格迁移,并且约束判别器对原始图片的预测分数与对风格迁移后图片的预测分数尽可能地接近,来降低判别器对对图片的风格内容敏感度。并且经过对比实验发现,降低判别器对对图片的风格内容敏感度后,模型的整体性能得到了提升。
=========================================================================================