要約
条件付き画像生成は、クラスラベル情報を用いて多様な画像を生成するタスクである。多くの条件付き生成的対抗ネットワーク（GAN）は現実的な結果を示しているが、これらの手法は画像の埋め込みと対応するラベルの埋め込みの間のペアワイズ関係（データからクラスへの関係）を条件付き損失として扱っている。本論文では、バッチ内の複数の画像埋め込み間の関係（データからデータへの関係）と、データからクラスへの関係の両方を、条件付きコントラスト損失を用いて考慮するContraGANを提案する。ContraGANの識別器は、与えられたサンプルの本物性を識別するとともに、学習画像間の関係を学習するためにコントラスト的な目的関数を最小化する。一方、生成器は識別器を欺く現実的な画像を生成し、かつコントラスト損失が小さくなるように努力する。実験結果から、ContraGANはTiny ImageNetおよびImageNetデータセットにおいて、それぞれ最先端モデルを7.3%および7.7%上回ることを示した。さらに、実験的にコントラスト学習が識別器の過学習を緩和することを確認した。公平な比較のため、PyTorchライブラリを用いて12種類の最先端GANを再実装した。ソフトウェアパッケージは、https://github.com/POSTECH-CVLab/PyTorch-StudioGAN で公開されている。