只有条件GAN才能稳定训练？对抗+自监督的无监督方法了解一下

选自 arXiv作者：Ting Chen、Ting Chen、Marvin Ritter、Mario Lucic、Neil Houlsby 机器之心编译参与：刘晓坤、王淑婷针对 GAN 在线对抗训练时出现的不稳定性问题，来自 UCLA 与谷歌大脑的研究者提出了对抗训练+自监督训练的新训练方法。该方法是无监督的，不需要标记数据，但可以达到和条件 GAN 相当的训练稳定性，同时 ImageNet 生成质量可以达到 FID33（这是在 ImageNet 上无条件训练获得的最佳结果。）。该研究入选了 NeurIPS 2018 Workshop。生成对抗网络（GAN）是一类无监督的生成模型 [1]。GAN 涉及对抗地训练生成器和鉴别器模型，使得生成器可以从期望的数据分布中生成样本。训练 GAN 具有挑战性，因为它涉及在高维参数空间中搜索非凸博弈的纳什均衡。在实践中，GAN 通常使用交替的 ………………………………