勾配正則化項を用いたMMD GANの研究

私たちは、最大平均二乗偏差（Maximum Mean Discrepancy: MMD）のカーネルを敵対的に最適化することによって訓練されるGAN類のモデルの評価関数（critic）に対する勾配ベースの正則化手法を提案します。本研究では、評価関数の勾配を制御することが合理的な損失関数を持つために不可欠であることを示し、既存の加法的な正則化手法に基づく近似技術と比較して追加コストなしで正確な解析的な勾配制約を強制する方法を開発しました。新しい損失関数は証明上連続であり、実験結果からその訓練が安定し、加速され、$160 \times 160$ CelebAおよび$64 \times 64$ 無条件ImageNetにおいて最先端の手法を上回る画像生成モデルが得られることを確認しています。