- …
- …
#6
summarized by : Hiroki Kobayashi
どんな論文か？
GANの学習の安定化を目的とした，勾配正規化の提案．従来手法の「勾配ペナルティ」には，モデルごとにサンプリングベースの弱いリプシッツ制約を，「スペクトル正規化」には，モジュールごとに非サンプリングベースの強いリプシッツ制約を加える特徴があり，それぞれ長所と短所があった．そこで提案手法は，2つの長所を引き継ぐ手法，すなわち，モデルごとに非サンプリングベースの強いリプシッツ制約を加える手法を提案した．
新規性
モデルごとに非サンプリングベースの強いリプシッツ制約を加える，勾配正規化を導入した点．
結果
Inception ScoreやFIDにおいて，WGAN-GP，SN-GANより性能が高いことを示した．
また，スペクトル正規化と比較して，識別器の各レイヤーに対してはリプシッツ定数が大きくなるが，識別器全体に対してはリプシッツ定数が1.0付近に保たれていることを示した．
その他（なぜ通ったか？等）
ソースコード: https://github.com/basiclab/GNGAN-PyTorch
- …
- …