
摘要
神经架构搜索(NAS)在图像分类任务中取得了显著的成功,并且最近在分割任务中也展现出了一定的潜力。本文首次初步探讨了将NAS算法引入生成对抗网络(GANs),并将其命名为AutoGAN。NAS与GANs的结合面临着独特的挑战。我们定义了生成器架构变化的搜索空间,并使用循环神经网络(RNN)控制器来指导搜索过程,通过参数共享和动态重置加速搜索。采用Inception分数作为奖励,并引入多级搜索策略以逐步进行NAS。实验验证了AutoGAN在无条件图像生成任务中的有效性。具体而言,我们发现的架构在性能上与当前最先进的手工设计的GANs具有高度竞争力,例如,在CIFAR-10数据集上达到了新的最佳FID分数12.42,在STL-10数据集上达到了31.01。我们还讨论了AutoGAN目前的局限性和未来的发展潜力。代码已发布在https://github.com/TAMU-VITA/AutoGAN。