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&#