#233
summarized by : Shunsuke Nakatsuka
Adversarial Latent Autoencoders

どんな論文か?

最近のGANはhigh qualityかつdiverse,disentangledな生成が可能であるが,GANの写像は潜在変数からデータ分布のみであり,データ分布から潜在特徴を抽出することはできない.この論文では,GANと同じ生成能力を持ったGAN with Encoderの枠組みを提案する.
placeholder

新規性

Style GANの構造とAutoencoderを組み合わせ,潜在変数をより複雑な表現へ変換するF,Fで得られた特徴をデータに写像するGenerator G,Gで得られたデータを潜在変数に変換するEncoder E,その潜在変数を真偽判定するDiscriminator Dの4つのNNから構成.F◦GはGenerator,E◦DはDiscriminator,G◦EはAutoencoderとみなせる.

結果

FFHQ,LSUN BedroomではFID:13.09, 17.13でありOriginalのStyle GANに及んでいないものの,PPLは大幅改善(Full: 134.5,End:103.4)

その他(なぜ通ったか?等)