منذ 17 أيام
تحسين أداء GAN من خلال البحث عن البنية العصبية وتحليل التنسور
{Raghuveer Rao, Jamison Heard, Majid Rabbani, Sohail A. Dianat, Mahsa Mozaffari, Prasanna Reddy Pulakurthi}
الملخص
أصبحت الشبكات التوليدية المتنافسة (GANs) أداة قوية لتوليد محتوى عالي الجودة. تقدم هذه الورقة إجراءً تدريبيًا جديدًا يستفيد من بحث البنية العصبية (NAS) لاكتشاف البنية المثلى لتوليد الصور، مع استخدام خسارة التباعد المتوسط الأقصى (MMD) كخسارة دافعة ضد التدريب المتنافس. علاوة على ذلك، تم ضغط شبكة المولّد باستخدام التحليل التوافقي (tensor decomposition) لتقليل الحجم الحسابي ووقت الاستدلال، مع الحفاظ على الأداء التوليدي. أظهرت النتائج التجريبية تحسنًا بنسبة 34% و28% في مؤشر FID على مجموعتي بيانات CIFAR-10 وSTL-10 على التوالي، مع تخفيضات مطابقة في الحجم بنسبة 14 مرة و31 مرة مقارنة بالطريقة الأفضل المُبلغ عنها في الأدبيات من حيث مؤشر FID. يمكن الوصول إلى كود التنفيذ عبر الرابط التالي: https://github.com/PrasannaPulakurthi/MMD-AdversarialNAS.