某个模式(mode)出现大量重复样本,例如:
上图左侧的蓝色五角星表示真实样本空间,黄色的是生成的。生成样本缺乏多
样性,存在大量重复。比如上图右侧中,红框里面人物反复出现。
7.1.8 如何解决mode collapsing?
方法一:
针
对
目
标
函
数
的
改
进
方
法
为了避免前面提到的由于优化maxmin导致mode跳来跳去的问题,
UnrolledGAN采用修改生成器loss来解决。具体而言,UnrolledGAN在更新生成
器时更新k次生成器,参考的Loss不是某一次的loss,是判别器后面k次迭代的
loss。注意,判别器后面k次迭代不更新自己的参数,只计算loss用于更新生成
器。这种方式使得生成器考虑到了后面k次判别器的变化情况,避免在不同mode
之间切换导致的模式崩溃问题。此处务必和迭代k次生成器,然后迭代1次判别器
区分开[8]。DRAGAN则引入博弈论中的无后悔算法,改造其loss以解决mode
collapse问题[9]。前文所述的EBGAN则是加入VAE的重构误差以解决mode
collapse。
方法二:
针
对
网络结
构
的
改
进
方
法
Multi agent diverse GAN(MAD-GAN)采用多个生成器,一个判别器以保障样
本生成的多样性。具体结构如下: