GAN之再进化：分布判别器，大连理工提出一种新式无监督图像合成方法

1 前言

该论文是关于GAN图像生成类的文章出自于大连理工大学并发表于CVPR2021。GAN生成能力最关键的一环在于模型利用真实数据的信息量的多少，但是GAN及其相应的变体因为利用的信息量比较单薄，所以会导致模型在训练的过程中非常脆弱，容易导致模型崩塌。

为了解决这个问题，论文中作者提出了一种新的GAN的框架

，不同于以往的GAN的判别器将样本映射为判别真假的概率值，该论文中判别器将输入样本映射成为高斯分布因子，借此充分的提取真实分布信息，作者从理论实验两方面验证了

的有效性。论文中的作者还引入了很多个小技巧来文本GAN模型训练的过程。

论文：Posterior Promoted GAN With Distribution Discriminator for Unsupervised Image Synthesi

https://openaccess.thecvf.com/content/CVPR2021/papers/

项目：https://github.com/bioinf-jku/TTUR

论文出自大连理工大学研究团队。

2 预备知识

2.1 LSGAN

与最初的

不同，

采用最小二乘法作为损失函数。它惩罚那些远离决策边界的样本，这些样本可以执行更稳定的学习过程。本文中的

以

的损失函数为基础，其中目标函数为：

其中

是真实图像的分布，

是生成图像的分布。

和

分别表示假数据和真实数据的标签，而

表示生成器

希望判别器

相信假数据的值。

2.2 AdaIN

是针对风格传递提出的，它可以将外部风格的图像信息融合到归一化中。给定第

个卷积特征

，

通过实例归一化

对

进行归一化，然后使用

在样式特征

上提供的相应均值和方差对其进行缩放和偏置。该操作被定义为:

在该论文中，作者使用

层将真实信息应用于生成器。

2.3 参数化

参数化技巧主要用在变分推理中梯度下降中，通过得到了多元高斯分布的因子，就可以通过参数化技巧生成该分布的样本。作者从标准高斯

中采样一个随机噪声

，然后从特定的多元高斯分布中采样可以是:

其中

和

分别是高斯分布的参数。

3 模型方法

由于本论文的数学符号过多，为了能够清晰的辨识，我将论文中的数学符号整理成下表。

如下图所示为

的模型结构图。判别器将图像作为输入，并输出多元高斯分布的因子

和

。生成器在训练过程中借助于后验模块和

从随机噪声

和后验向量

中产生图像。

3.1 分布度量

假设：

和

是通过参数化技巧从两个不同的一维高斯分布

和

中采样的：

，

和

之间的最小平方距离为:

其中对于

，如果说距离

，则可以认为分布

和

基本一致。可以将上公式重新简化为：

证明：已知

令

，

，则有

，进一步可以推知：

如果

，则有

，

。此时分布

与

一致，但前提假设是多维高斯分布的每个元素之间时相互独立的。

3.2 后验分布判别器

判别器输出的是后验分布的特征向量

，而不是一个标量的概率数值。多元高斯后验分布的两个因子分别是均值

和标准差

，其中

是

，

是多元高斯分布的维度。

给定一批图像

，判别器同时输出

和

，它们表示向量

上的高斯后验分布的因子，后验分布可以表示为

，其中

可以从真实图像分布

采样或由分布

中生成。

为了构造对抗损失，作者引入了向量

的两个先验分布

和

，它们是用户给出的多元高斯分布。作者将

的损失推广为高斯分布的形式，具体的损失函数表示为：

其中第一项缩短后验分布

和先验分布

之间的距离。后验分布

和先验分布

之间的距离。通过最小化

，

中的真实信息将被用来促进生成器的生成过程。

3.3 后验分布生成器

生成器输入从标准高斯采样的随机噪声

以及来自后给定真实图像的编码向量

，并输出生成的图像。作者利用

来稳定生成器的训练，防止训练过程中真实信息的消失，对抗损失函数如下所示：

传统上，生成器接收从标准高斯采样的随机噪声

并用于产生图像，其中

是随机噪声的维数。作者基于这个设计出发，在给定

的情况下，引入了一个来自于后验判别输出的后验向量

，与

一起将包含在后验中的真实信息嵌入到生成器的每一层中。

后验模块是相互独立的完全连接的层，没有任何激活功能，如模型结构图所示，它们用于将

映射到对应于不同卷积信道的不同维度的特征。除了在每一层应用真实信息之外，后验模块还提供了根据不同卷积层的需求调整信息：

其中

从

中采样，给定

，

是第

个后验模块。作者的方法使用后验特征作为

中的外部信息，生成器中使用的

层如下:

作者首先利用

对

进行归一化，使其具有零均值和单位方差，然后用具有真实信息的

的均值和方差对其进行偏置和缩放，最后将后验特征向量

和

加入到生成器中，以真实图像为样式参考，对生成的图像进行“样式转换”。

因此，

通过改变特征的统计信息将真实信息融合到每一层。为了在训练过程中保留真实信息，作者提出了一个正则化器

，它是用于最小化后验给定生成图像和真实图像之间的距离:

其中下标

和

用于区分从不同分布

和

采样的图像。

表示绝对值。综上所述，生成器的总的损失函数为：

其中

表示的是平衡系数。

4 理论分析

作者分析了

和

-散度之间的关系。给定固定的

，可以推导出基于

的最优鉴别器：

当

最优时，正则化损失

为零。为了分析

的最优值，作者将损失

改写如下形式:

其中第一项没有

的参数，所以最优值保持不变。为了简单起见，作者在下面的等式中去掉了分布中的

，则损失可以重新写成：

进而则有：

其中，项

是相对于变量

的，该项可以被视为一个常数值，可以把它排除在

的积分之外，进而则有：

如果

，最小化

意味着最小化

和

之间

散度。当且仅当

时，达到最佳

，最优解为：

写成高斯分布的形式为：

5 实验结果

5.1 质量分析

下表给出了CIFAR10和CelebA的FID分数，可以发现

是所有基线中最好的。

下面三幅图为定性结果的展示，

生成的图片如下两幅图所示：

5.2 模块分析

下图表示了论文中

模型的四种设置的结果，该实验证了各个组件模块在

中起到的积极的作用。

如下表所示，与使用

相比，使用

来标准化

会有更高的FID分数。

5.3 收敛性分析

理论收敛分析可以通过检查全局收敛度量来验证，具体公式如下所示：

其中

，如下图所示所示为

的训练值，这验证了

具有很好的收敛性。

备注：GAN

GAN

生成对抗网络、GAN等技术，

若已为CV君其他账号好友请直接私信。

在看，让更多人看到