論文の概要: Improved Consistency Regularization for GANs

• arxiv url: http://arxiv.org/abs/2002.04724v2
• Date: Mon, 14 Dec 2020 21:33:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 01:36:40.075289
• Title: Improved Consistency Regularization for GANs
• Title（参考訳）: GANの一貫性規則化の改善
• Authors: Zhengli Zhao, Sameer Singh, Honglak Lee, Zizhao Zhang, Augustus Odena, Han Zhang
• Abstract要約: 本稿では,その性能向上を目的とした整合性正規化手法について,いくつかの改良を加えて検討する。 CIFAR-10とCelebAの無条件画像合成では、様々なGANアーキテクチャ上で最もよく知られたFIDスコアが得られる。 ImageNet-2012では、この手法をオリジナルのBigGANモデルに適用し、FIDを6.66から5.38に改善する。
• 参考スコア（独自算出の注目度）: 102.17007700413326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has increased the performance of Generative Adversarial Networks (GANs) by enforcing a consistency cost on the discriminator. We improve on this technique in several ways. We first show that consistency regularization can introduce artifacts into the GAN samples and explain how to fix this issue. We then propose several modifications to the consistency regularization procedure designed to improve its performance. We carry out extensive experiments quantifying the benefit of our improvements. For unconditional image synthesis on CIFAR-10 and CelebA, our modifications yield the best known FID scores on various GAN architectures. For conditional image synthesis on CIFAR-10, we improve the state-of-the-art FID score from 11.48 to 9.21. Finally, on ImageNet-2012, we apply our technique to the original BigGAN model and improve the FID from 6.66 to 5.38, which is the best score at that model size.
• Abstract（参考訳）: 近年の研究では、識別器に一貫性コストを課すことで、gans(generative adversarial network)の性能を高めている。 私たちはこのテクニックをいくつかの点で改善する。 まず、一貫性の正規化がganサンプルにアーティファクトを導入し、この問題の修正方法を説明する。 次に、その性能を改善するために設計された整合正則化手順のいくつかの修正を提案する。 改善のメリットを定量化する広範な実験を行います。 CIFAR-10とCelebAの無条件画像合成では、様々なGANアーキテクチャ上で最もよく知られたFIDスコアが得られる。 CIFAR-10の条件付き画像合成では、最先端のFIDスコアを11.48から9.21に改善する。 最後に、ImageNet-2012において、この手法をオリジナルのBigGANモデルに適用し、FIDを6.66から5.38に改善する。

関連論文リスト

• Improving Generative Adversarial Networks for Video Super-Resolution [0.0]
  本研究は,ビデオ超解像課題における生成的敵ネットワークの改善方法について検討する。 我々はPak Signal-to-Noise Ratio (PSNR) と構造類似度指数 (SSIM) を用いて評価を行った。 これらの手法の統合により、PSNRが11.97%改善し、SSIMが8%改善した。
  論文  参考訳（メタデータ） (2024-06-24T06:57:51Z)
• Masked Thought: Simply Masking Partial Reasoning Steps Can Improve Mathematical Reasoning Learning of Language Models [102.72940700598055]
  推論タスクでは、小さなエラーでも不正確な結果にカスケードすることができる。 入力の摂動に頼らず、外部リソースの導入を避ける手法を開発した。 私たちのトレーニングアプローチでは、思考の連鎖の中で特定のトークンをランダムにマスクします。
  論文  参考訳（メタデータ） (2024-03-04T16:21:54Z)
• Elucidating the Design Space of Diffusion-Based Generative Models [37.643953493556765]
  具体的な設計選択を明確に分離する設計空間を提示する。 これにより、サンプリングおよびトレーニングプロセスとスコアネットワークのプレコンディショニングの両方にいくつかの変更が特定できます。 この改良により, CIFAR-10では1.79, 非条件では1.97, 非条件では1.79の新たなFIDが得られた。
  論文  参考訳（メタデータ） (2022-06-01T10:03:24Z)
• Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
  そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。 実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
  論文  参考訳（メタデータ） (2021-12-10T20:46:13Z)
• Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
  まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。 眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
  論文  参考訳（メタデータ） (2021-03-30T01:30:08Z)
• InfoMax-GAN: Improved Adversarial Image Generation via Information Maximization and Contrastive Learning [39.316605441868944]
  GAN(Generative Adversarial Networks)は、多くのジェネレーティブモデリングアプリケーションの基本である。 本稿では,GANにおける2つの基本的な問題を同時に緩和する基本的枠組みを提案する。 提案手法は, 5つのデータセットにわたる画像合成において, GANトレーニングを著しく安定化し, GAN性能を向上させる。
  論文  参考訳（メタデータ） (2020-07-09T06:56:11Z)
• Image Augmentations for GAN Training [57.65145659417266]
  我々は,バニラGANとGANの両方のイメージを正規化して拡張する方法に関する洞察とガイドラインを提供する。 意外なことに、Vanilla GANsは、最近の最先端の結果と同等の世代品質を実現している。
  論文  参考訳（メタデータ） (2020-06-04T00:16:02Z)
• Top-k Training of GANs: Improving GAN Performance by Throwing Away Bad Samples [67.11669996924671]
  GAN(Generative Adversarial Network)トレーニングアルゴリズムに,簡単な修正(一行のコード)を導入する。 ジェネレータパラメータを更新するとき、批判者が最も現実的に評価するバッチの要素から勾配のコントリビューションをゼロにします。 このトップk更新の手順が一般的に適用可能な改善であることを示す。
  論文  参考訳（メタデータ） (2020-02-14T19:27:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。