要約
高解像度の写実的な画像の合成は、機械学習における長年の課題であり続けています。本論文では、画像合成用の生成対抗ネットワーク（Generative Adversarial Networks: GANs）の訓練を改善する新しい手法を提案します。ラベル条件付けを用いたGANsの変種を構築し、全体的な一貫性を持つ128x128解像度の画像サンプルを生成しました。また、画像品質評価に関する以前の研究を拡張し、クラス条件付き画像合成モデルからのサンプルの識別可能性と多様性を評価するための2つの新しい分析方法を提供します。これらの分析は、高解像度サンプルが低解像度サンプルには存在しないクラス情報を提供することを示しています。1000のImageNetクラスにおいて、128x128サンプルは人工的にリサイズされた32x32サンプルよりも識別可能性が2倍以上高いことが確認されました。さらに、84.7%のクラスで、実際のImageNetデータと同等の多様性を持つサンプルが生成されています。