EBGAN

EBGAN–2016

ENERGY-BASED GENERATIVE ADVERSARIAL NETWORK(LeCun_1609.03126v2)

（基于能量的生成对抗网络）
摘要：
我们引入了“基于能量的生成对抗网络”模型（EBGAN），该模型将鉴别器视为一种能量函数，该函数将低能量与数据流形附近的区域关联，并将高能量与其他区域关联。 与概率GAN相似，训练生成器以产生具有最小能量的对比样本，同时训练鉴别器为这些生成的样本分配高能量。 将鉴别器视为能量函数，除具有逻辑输出的常规二进制分类器外，还允许使用各种体系结构和损失函数。 其中，EBGAN的实例是使用自动编码器架构，其能量是重构误差。 我们表明，在训练过程中，这种形式的EBGAN表现出比常规GAN更稳定的行为。 我们还表明，可以训练单尺度体系结构以生成高分辨率图像。

介绍：

1. 我们的主要贡献概述如下：
   （i）以能量为基础的对抗训练方案。
   （ii）带有鉴别符的EBGAN框架使用自动编码器体系结构，其中能量是重构误差。
   （iii）一组系统性实验，以探索对EBGAN和常规GAN产生良好结果的超参数和体系结构选择。 这些实验表明，EBGAN框架在选择参数和体系结构方面更加稳健。
   （iv）排斥规则化器，有助于防止生成器以一种或几种数据分布模式生成样本，并改善生成的