弁別器コントラスト発散:弁別器のエネルギー探索による半自動化生成モデリング【JST・京大機械翻訳】

Song Yuxuan; Ye Qiwei; Xu Minkai; Liu Tie-Yan

プレプリント

J-GLOBAL ID：202202218531806646 整理番号：22P0130768

弁別器コントラスト発散:弁別器のエネルギー探索による半自動化生成モデリング【JST・京大機械翻訳】

Discriminator Contrastive Divergence: Semi-Amortized Generative Modeling by Exploring Energy of the Discriminator

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 (4件)： , , ,
資料名：
発行年： 2020年04月04日プレプリントサーバーでの情報更新日： 2020年04月04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)

生成的敵対ネットワーク(GAN)は,高次元データのモデリングにおいて大きな有望性を示している。GANの学習目的は,通常,f-発散(f-GANs)または積分確率Metric(Wasserstein GANs)の幾つかの測度不一致を最小化する。目的関数としてf-発散を用いて,識別器は本質的に密度比を推定し,推定比率は発電機のサンプル品質をさらに改善するのに有用であることを証明した。しかし,Wasserstein GAN(WGAN)の弁別器に含まれる情報をどのように活用するかは,あまり調査されていない。本論文では,WGANの弁別器の性質とWGANとエネルギーベースモデルの間の関係によりよく動機付けられたDiscrminatorコントラスト発散を導入した。発電機が新しいサンプルを得るために直接利用される標準GANと比較して,著者らの方法は,サンプルが初期状態として発電機の出力で生成される半不死化生成手順を提案する。次に,Langevin動力学のいくつかのステップを弁別器の勾配を用いて実行した。著者らは,合成データといくつかの実世界画像生成ベンチマークの両方に関する著しい改良生成の利点を実証した。【JST・京大機械翻訳】

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

測光と光検出器一般 , 光導電素子

, , , , , ,

前のページに戻る