May, 2024
MCGAN:基于回归的生成器损失增强的 GAN 训练
MCGAN: Enhancing GAN Training with Regression-Based Generator Loss
Baoren Xiao, Hao Ni, Weixin Yang
TL;DR生成对抗网络(GAN)已经成为一种生成高保真数据的强大工具,并且采用监督方法提出了 Monte Carlo GAN(MCGAN)算法,以解决现有方法在生成器训练上缺乏监督导致的振荡与性能不佳的问题,并且数值结果表明 MCGAN 在质量、准确性、训练稳定性和学习潜在空间等方面明显且一致地改进了现有的 GAN 模型。