要約
生成対抗ネットワーク（GANs）は画像合成タスクにおいて大きな成功を収めていますが、訓練中の不安定性やハイパーパラメータに対する敏感さのため、異なるデータセットに適応することが非常に困難であることが知られています。この不安定性の一因として、本物と偽物の分布のサポートが十分に重複しない場合、識別子から生成器へ伝わる勾配が情報量を失うという説明があります。本研究では、多スケール勾配生成対抗ネットワーク（MSG-GAN）を提案します。これは識別子から生成器へ複数のスケールで勾配を流すことで、この問題に対処する単純かつ効果的な手法です。この手法は高解像度画像合成における安定したアプローチを提供し、進行成長技術の代替手段となります。我々はMSG-GANが異なるサイズ、解像度、ドメインの様々な画像データセットや異なる損失関数およびアーキテクチャに対して固定されたハイパーパラメータのセットで安定して収束することを示しました。最先端のGANsと比較した際、我々の手法は試みたほとんどのケースにおいて同等かそれ以上の性能を達成しています。