論文の概要: MCL-GAN: Generative Adversarial Networks with Multiple Specialized
Discriminators
- arxiv url: http://arxiv.org/abs/2107.07260v1
- Date: Thu, 15 Jul 2021 11:35:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 13:57:45.111212
- Title: MCL-GAN: Generative Adversarial Networks with Multiple Specialized
Discriminators
- Title(参考訳): MCL-GAN:複数の特殊識別器を持つ生成的敵対ネットワーク
- Authors: Jinyoung Choi and Bohyung Han
- Abstract要約: 本稿では,複数の識別器を用いた生成的対向ネットワークを提案する。
データ全体のサブセットに専門知識を持つように、各差別者を指導します。
複数の識別器を使用するにもかかわらず、バックボーンネットワークは識別器間で共有される。
- 参考スコア(独自算出の注目度): 69.2281872339588
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose a generative adversarial network with multiple discriminators,
where each discriminator is specialized to distinguish the subset of a real
dataset. This approach facilitates learning a generator coinciding with the
underlying data distribution and thus mitigates the chronic mode collapse
problem. From the inspiration of multiple choice learning, we guide each
discriminator to have expertise in the subset of the entire data and allow the
generator to find reasonable correspondences between the latent and real data
spaces automatically without supervision for training examples and the number
of discriminators. Despite the use of multiple discriminators, the backbone
networks are shared across the discriminators and the increase of training cost
is minimized. We demonstrate the effectiveness of our algorithm in the standard
datasets using multiple evaluation metrics.
- Abstract(参考訳): 本稿では,実データセットのサブセットを識別するために各判別器を特殊化した,複数の識別器を有する生成型逆ネットワークを提案する。
このアプローチは、基礎となるデータ分布と一致するジェネレータの学習を容易にするため、慢性モード崩壊問題を緩和する。
複数選択学習の着想から,各判別器にデータのサブセットに関する専門知識を持たせるように指導し,実データ空間と潜在データ空間の適切な対応を,訓練例と判別器の数を監督することなく自動で見つけられるようにした。
複数の識別器を使用するにもかかわらず、バックボーンネットワークは識別器間で共有され、トレーニングコストの増大を最小限に抑える。
複数の評価指標を用いて,標準データセットにおけるアルゴリズムの有効性を示す。
関連論文リスト
- Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。
マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。
提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
論文 参考訳(メタデータ) (2023-08-28T18:48:34Z) - Dynamically Masked Discriminator for Generative Adversarial Networks [71.33631511762782]
GAN(Generative Adversarial Networks)のトレーニングは依然として難しい問題である。
識別器は、実際の/生成されたデータの分布を学習してジェネレータを訓練する。
本稿では,オンライン連続学習の観点から,GANの新たな手法を提案する。
論文 参考訳(メタデータ) (2023-06-13T12:07:01Z) - Reusing the Task-specific Classifier as a Discriminator:
Discriminator-free Adversarial Domain Adaptation [55.27563366506407]
非教師付きドメイン適応(UDA)のための識別器なし対向学習ネットワーク(DALN)を導入する。
DALNは、統一された目的によって明確なドメインアライメントとカテゴリの区別を達成する。
DALNは、さまざまなパブリックデータセット上の既存の最先端(SOTA)メソッドと比較して好意的に比較する。
論文 参考訳(メタデータ) (2022-04-08T04:40:18Z) - Re-using Adversarial Mask Discriminators for Test-time Training under
Distribution Shifts [10.647970046084916]
安定判別器の訓練によって表現的損失関数が生成され、推論時に再使用してセグメント化ミスを検出し、修正することができると論じる。
我々は、識別器と画像再構成コストを(デコーダを介して)組み合わせることで、モデルをさらに改善できることを示す。
提案手法は単純で,事前学習したGANの試験時間性能を向上させる。
論文 参考訳(メタデータ) (2021-08-26T17:31:46Z) - Exploring Dropout Discriminator for Domain Adaptation [27.19677042654432]
新しいドメインへの分類器の適応は、機械学習における難しい問題の1つである。
本稿では, サンプル分布の分散を徐々に増大させるカリキュラムベースのドロップアウト判別器を提案する。
識別器のアンサンブルは、モデルがデータ分散を効率的に学習するのに役立つ。
論文 参考訳(メタデータ) (2021-07-09T06:11:34Z) - Data-Efficient Instance Generation from Instance Discrimination [40.71055888512495]
本稿では,インスタンス識別に基づくデータ効率の高いインスタンス生成手法を提案する。
本研究では,インスタンス識別に基づくデータ効率の高いインスタンス生成(InsGen)手法を提案する。
論文 参考訳(メタデータ) (2021-06-08T17:52:59Z) - ORDisCo: Effective and Efficient Usage of Incremental Unlabeled Data for
Semi-supervised Continual Learning [52.831894583501395]
連続学習は、入力されたデータが完全にラベル付けされていると仮定し、実際のアプリケーションでは適用できないかもしれない。
我々は、条件付き生成逆数ネットワーク(GAN)を用いた分類器を相互に学習するために、識別器整合(ORDisCo)を用いたディープオンライン再生を提案する。
ORDisCo が SSCL の様々な半教師付き学習ベンチマークデータセットで大幅なパフォーマンス向上を達成していることを示します。
論文 参考訳(メタデータ) (2021-01-02T09:04:14Z) - When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である
本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。
ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
論文 参考訳(メタデータ) (2020-02-24T11:35:28Z) - microbatchGAN: Stimulating Diversity with Multi-Adversarial
Discrimination [9.926231893220063]
複数の識別器を用いてGAN(Generative Adversarial Network)のモード崩壊問題に取り組むことを提案する。
我々は、各識別器のタスクを、実検体と偽検体を区別することから、割り当てられたマイクロバッチ内外から来る検体を識別することに変更する。
次に、ジェネレータは各ミニバッチのバラツキを促進させ、マイクロバッチの差別を各識別器で達成しにくくする。
論文 参考訳(メタデータ) (2020-01-10T10:31:27Z)
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。