要約
本稿では、ボトムアップの識別ネットワークの階層的な表現を逆転させるために訓練された新しい生成モデルであるスタック型ジェネレーティブ・アドバーザリアル・ネットワーク（SGAN: Stacked Generative Adversarial Networks）を提案する。当該モデルは、上位レベルの表現に基づいて下位レベルの表現を生成するように学習されたGANのトップダウンのスタックから構成されている。各特徴階層において、生成器の表現多様体がボトムアップの識別ネットワークと一致するよう促すための表現識別器を導入している。この手法は、強力な識別的表現を利用して生成モデルを誘導することを目指している。さらに、上位層からの条件付き情報の利用を奨励する条件付き損失と、生成器出力の条件付きエントロピーに対する変分下限を最大化する新たなエントロピー損失を導入している。まず各スタックを独立して訓練し、その後全体のモデルをエンドツーエンドで訓練する。元々のGANが単一のノイズベクトルを使用してすべての変動を表す一方で、当該SGANは変動を複数レベルに分解し、トップダウンの生成プロセスにおいて段階的に不確実性を解消していく。視覚検査、インセプションスコアおよび視覚チューリングテストに基づき、SGANがスタックを使用しないGANよりも高品質な画像を生成できることを示す。