2020 CVPR之GAN：MSG-GAN: Multi-Scale Gradients for Generative Adversarial Networks

MSG-GAN: Multi-Scale Gradients for Generative Adversarial Networks

论文：https://arxiv.org/pdf/1903.06048.pdf

1.当前存在的问题
GAN在图像合成任务中，目前的问题在于他们不能很好的适应不同数据集，部分原因是由于训练过程的不稳定性和对超参数分析仪的敏感性（模型崩塌），不稳定的原因是，真分布与伪分布没有足够的重叠部分时，从鉴别器到生成器的梯度变得无信息。
本文提出了多尺度梯度广义对抗网络(MSG-GAN)，通过允许梯度在多尺度上从鉴别器反向传向生成器来解决这个问题，
2.网络框架及loss
本文把MSG-GANKUANGJIA 应用在ProGANs和Style-GAN中，下图为MSG-ProGAN，

生成器部分：
左边是生成器，生成器和原来一样，还是从潜码Z解码到图片完整的GEN(Z)可以看做k个g的解码过程，其中z为先验分布，z~N(0, I)：

其中，gi为上采样块，ci为发生器第i次中间激活的通道数，Abegin&#