AutoGAN: البحث عن الهيكل العصبي للشبكات المولدة المتنافسة

شهد البحث في الهندسة المعمارية العصبية (Neural Architecture Search - NAS) نجاحًا سائدًا في مهام تصنيف الصور و(مؤخرًا جدًا) تقسيم الصور. في هذه الورقة، نقدم أول دراسة أولية لتطبيق خوارزمية NAS على شبكات التعلم المعادية التوليدية (Generative Adversarial Networks - GANs)، والتي أطلقنا عليها اسم AutoGAN. يواجه الجمع بين NAS وGANs تحدياته الفريدة. نحدد فضاء البحث للاختلافات المعمارية للمولد ونستخدم متحكمًا بالشبكة العصبية المتكررة (RNN) لإرشاد عملية البحث، مع استخدام مشاركة المعلمات وإعادة تعيين ديناميكية لتسريع العملية. يتم اعتماد مؤشر Inception كمكافأة، ويتم تقديم استراتيجية بحث متعددة المستويات لتنفيذ NAS بطريقة تدريجية. تؤكد التجارب فعالية AutoGAN في مهمة إنشاء الصور غير المشروطة. وبشكل خاص، حققت الهندسات التي تم اكتشافها أداءً تنافسيًا عاليًا مقارنة بأحدث GANs المصممة يدويًا، مثل تحقيق أفضل مؤشر FID جديد قدره 12.42 على مجموعة بيانات CIFAR-10، و31.01 على مجموعة بيانات STL-10 على التوالي. كما نختتم الورقة بمناقشة حدود AutoGAN الحالية وإمكاناتها المستقبلية. يمكن الوصول إلى الكود من خلال الرابط: https://github.com/TAMU-VITA/AutoGAN