少ないラベルで高忠実度画像生成

深層生成モデルは現代の機械学習の重要な基盤となっています。最近の条件付き生成対抗ネットワークに関する研究では、自然画像上の複雑で高次元な分布を学習することが現実的であることが示されています。最新のモデルは、高解像度で高忠実度かつ多様な自然画像を生成する能力を持っていますが、大量のラベル付きデータに依存しています。本研究では、自己教師あり学習および半教師あり学習の最近の進展を利用して、無教師ImageNet合成および条件付き設定において最先端技術を上回る方法を示します。特に、提案されたアプローチは、BigGAN（ImageNet）の現在の最先端条件付きモデルと比較して、ラベルの10%のみを使用してサンプル品質（FIDによって測定）をマッチさせることができ、20%のラベルを使用することでそれを上回ることができます。