トポロジー距離:生成敵対ネットワークを評価するためのトポロジーベースアプローチ【JST・京大機械翻訳】

Horak Danijela; Yu Simiao; Salimi-Khorshidi Gholamreza

プレプリント

J-GLOBAL ID：202202203140655891 整理番号：22P0116835

トポロジー距離:生成敵対ネットワークを評価するためのトポロジーベースアプローチ【JST・京大機械翻訳】

Topology Distance: A Topology-Based Approach For Evaluating Generative Adversarial Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年02月27日プレプリントサーバーでの情報更新日： 2020年02月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Generative Adversarial Network(GAN)の良さの自動評価は,機械学習の分野に対する挑戦である。本研究では,既存の測度に相補的な距離,すなわちトポロジー距離(TD),その背後の主なアイデア,が生成されたデータのそれらと実際のデータの潜在多様体の幾何学的およびトポロジー的特徴を比較することである。より具体的には,画像特徴にVietoris-Rips複合体を構築し,2つの多様体の持続的ホモロジーグループの違いに基づくTDを定義する。著者らは,様々なデータセットに関する一連の実験において,Inception Score(IS),Frechet開始距離(FID),カーネル開始距離(KID),およびGeometry Score(GS)を含む分野における最も一般的に使用されるおよび関連する測度とTDを比較した。” Inception Score(IS),Frechet Inception Distance(FID),カーネル開始距離(KID)およびGeometry Score(GS)。著者らは,前述のメトリックスに対する著者らの提案した方法のユニークな利点と優位性を示した。著者らの経験的結果と理論的議論との組み合わせが,TDを有利にすることを提案し,TDがGANの学習の良さを自動的に評価することを目的としたとき,研究者が採用できる強力な候補計量であると主張する。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識 , ニューロコンピュータ

, ,

前のページに戻る