- …
- …
#168
summarized by : Kazuma_Asano
どんな論文か？
Discriminatorからの分布情報を複数回フィードバックさせ，生成画像をさらに綺麗にする仕組み，Feedback Adversarial Learning(FAL)を提案．これによりpix2pixなどの従来の画像生成器の精度を向上させた．
新規性
1.Discriminatorからの分布情報を反映させるシステム,FeedBack Learningを提案
2.従来のモデルにも適用可能なことを示した．
3.3つのタスクでFALを適用した場合とそうで無い場合を比較し，FALの有効性を評価
結果
画像生成タスク，Image2Image, ボクセル生成タスクで実験．実際にGAN, pix2pix, VoxelGANなどに適用し，そのままで使う場合とFALを適用させた場合を比較．結果として全てのタスクでFALを利用した方がFIDやLPIPSが向上した．
その他（なぜ通ったか？等）
正直GANやpix2pixの結果は良くなったとは（定性的に見ると）言い難い．VoxelGANの結果はノイズが少なくなったり，細かい凹凸が表現できるようになっているが，採択された理由は従来のモデルにも適用可能な汎用性の高さかと思われる．
- …
- …