要約
近年、非ユークリッド深層学習の文脈において、双曲空間は階層的データを表現できるという特長から注目を集めている。本研究では、画像データに内在する階層構造を活かすために、GANアーキテクチャに双曲ニューラルネットワークを導入する可能性を提案する。本研究では、GAN、CGAN、WGANに全結合型の双曲層を組み込んだ異なる構成を検討し、それぞれをHGAN、HCGAN、HWGANと呼ぶ。評価はMNISTデータセットを用いて、インセプションスコア（IS）およびFréchetインセプション距離（FID）によって行われた。その結果、空間の曲率や構成の違いに応じて、各提案する双曲バージョンが対応するユークリッド版よりも優れた性能を示した。