- …
- …
#825
summarized by : Motokawa Tetsuya
どんな論文か？
従来のGANの問題点を解決するために、Geiometirc moment matching手法と高次元データを超球面上へ射影することで解決した。
Sphere GANはWGANとは異なり、識別モデルの次元を増やすことで計算を行うためハイパーパラメータを増やすことなく、安定化された計算を効率的に行うことができる。
新規性
生成データと実画像データを超平面上に流し込み、超球上にマッピングしていく。次に超球上に設定したN極点から、各データ点とのモーメント(距離)を計算し、それら距離の最小化するために学習していくという点。
結果
ベッドルームについての画像生成データセットを用いて、従来の3モデルとの性能を比較。評価指標には生成画像のFIDを使用。Sphere GANはどのモデルよりも小さなFIDを達成したため、元画像のデータセットの分布との平均やバラツキの差が小さいことが示された。
その他（なぜ通ったか？等）
- …
- …