要約
ニューラルアーキテクチャサーチ（NAS）は、画像分類および（最近では）セグメンテーションタスクにおいて、大きな成功を収めています。本論文では、NASアルゴリズムを生成対抗ネットワーク（GANs）に導入する最初の試みについて報告します。この手法はAutoGANと名付けられました。NASとGANsの組み合わせには独自の課題が存在します。生成器のアーキテクチャ変異の探索空間を定義し、RNNコントローラーを使用して探索をガイドします。パラメータ共有と動的リセットにより、プロセスを加速します。インセプションスコアを報酬として採用し、多段階探索戦略を導入して進行的な方法でNASを行います。実験結果は、AutoGANが条件なし画像生成タスクにおいて有効であることを確認しています。特に、我々が発見したアーキテクチャは現行の最先端の人手による設計のGANsと比較して競争力のある性能を達成しており、例えばCIFAR-10データセットで新しい最先端のFIDスコア12.42、STL-10データセットで31.01を記録しています。最後に、AutoGANの現在の制限と将来の可能性について議論しています。コードはhttps://github.com/TAMU-VITA/AutoGAN で公開されています。