生成对抗网络的统一生成器损失函数
摘要：一种统一的α参数化生成器损失函数被引入到双目标生成对抗网络（GAN）中，该网络使用一个典型（或经典）鉴别器损失函数，例如原始GAN（VanillaGAN）系统中的损失函数。生成器损失函数基于对称的类概率估计类型函数$ \mathcal{L} _{\alpha} $，由此得到的GAN系统被称为$ \mathcal{L} _{\alpha} $-GAN。在最优鉴别器下，表明生成器的优化问题是最小化Jensen-$ f _{\alpha} $-散度，Jensen-Shannon散度的自然推广，其中$ f _{\alpha} $是用损失函数$ \mathcal{L} _{\alpha} $表示的凸函数。同时还证明了这个$ \mathcal{L} _{\alpha} $-GAN问题在文献中恢复出了一些特殊情况的GAN问题，包括VanillaGAN，最小二乘GAN（LSGAN），最小$k$阶GAN（L $k$ GAN）和最近引入的$(\alpha _D，\alpha _G)$-GAN，其中$ \alpha _D = 1 $。最后，通过对MNIST，CIFAR-10和Stacked MNIST三个数据集进行实验，展示了各种$ \mathcal{L} _{\alpha} $-GAN系统的性能。
作者：Justin Veiner, Fady Alajaji, Bahman Gharesifard
论文ID：2308.07233
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-15