制約空間における崩壊モードからの脱出

生成対抗ネットワーク（GANs）は、訓練中に予測不可能なモード崩壊を起こすことがしばしばあります。本研究では、最先端の生成モデルの一つである境界平衡生成対抗ネットワーク（Boundary Equilibrium Generative Adversarial Network: BEGAN）のモード崩壊問題に焦点を当てます。高品質な画像生成の可能性を持つにもかかわらず、BEGANは訓練が進むにつれて一部のモードで崩壊する傾向があることを確認しました。そこで、損失関数に潜在空間制約を導入した新しいモデル、\emph{制約空間付きBEGAN}（BEGAN with a Constrained Space: BEGAN-CS）を提案します。このモデルは、モデルの複雑さを増加させることなく、画像品質を低下させることもなく、訓練の安定性を大幅に向上させ、モード崩壊を抑制することが示されています。さらに、潜在ベクトルの分布を可視化することで、潜在空間制約の効果を明確にしています。実験結果から、当手法は小規模データセットでの訓練や指定された属性を持つ変動のある類似画像の即時生成といった追加的な利点も持つことがわかりました。