要約
生成対抗ネットワーク（GANs）は、高忠実度のコンテンツ生成において強力なツールとして注目されている。本論文では、画像生成に最適なネットワークアーキテクチャをニューラルアーキテクチャサーチ（NAS）を用いて探索するとともに、敵対的学習において最大平均差分（MMD）を用いた反発損失を導入する新しいトレーニング手法を提案する。さらに、テンソル分解を活用して生成器ネットワークを圧縮することで、計算負荷と推論時間の削減を実現しつつ、生成性能の維持を図っている。実験結果から、CIFAR-10およびSTL-10データセットにおいて、従来の文献で報告された最良のFIDスコア手法と比較して、それぞれ34%および28%のFIDスコア改善が達成され、同時に実装サイズは14倍および31倍の削減が実現された。実装コードは以下のURLから公開されている：https://github.com/PrasannaPulakurthi/MMD-AdversarialNAS。