一种基于有限数据集的图像快速生成改进方法

摘要

生成对抗网络是一种强大的图像生成方法,主要的训练策略是生成器与判别器之间的零和博弈,通过生成器和判别器的循环对抗训练,最终达到纳什均衡.为了在有限数据集上快速生成图像,通过使用变分自编码器(Variational Auto Encoder,VAE)提取真实图像信息,并将重建图像视为虚假图像来改进BEGAN,以增加判别器辨别真假图像的难度,特别是在训练初期进一步缓解模式崩溃和稳定性问题.生成器通过正则化项获取VAE提取的信息来加快学习速度.实验数据验证,该改进的BEGAN网络训练稳定,具备在有限数据集上快速生成高质量和高多样性图像的能力.