【儀表網 研發快訊】中國科學技術大學九韶團隊研究了模式崩潰發生的根本機理，基于數學理論分析提出了一種新方法定量檢測和解決生成對抗網絡(GANs)中的模式崩潰問題。該成果以“DynGAN: Solving Mode Collapse in GANs with Dynamic Clustering”為題發表在國際知名學術期刊IEEE Transactionson Pattern Analysis and Machine Intelligence。
圖1：什么是模式崩潰現象。(注：圖截取自文獻：Goodfellow, Ian. "NIPS 2016 tutorial: Generative adversarial networks." arXiv preprint arXiv:1701.00160 (2016).)
生成對抗網絡(GAN)是廣泛使用的生成模型，通過學習真實樣本的分布用于合成復雜逼真的數據。然而，模式崩潰(mode collapse)是生成對抗網絡面臨的一個重要挑戰，即生成樣本的多樣性明顯低于真實樣本的多樣性，這對進一步應用造成了困擾。由于生成對抗網絡及其訓練過程的復雜性，涉及多種可能的因素和環節，一直無法明確究竟是何種機理導致模式崩潰的發生。
圖2：模式崩潰發生的根本機理。
經過深入研究，研究團隊發現了生成對抗網絡產生模式崩潰的根本機理。理論分析表明，當真實數據存在多個模式時，生成器損失函數關于其參數是非凸的。具體地，導致生成分布僅覆蓋真實分布的部分模式的參數，是生成器損失函數的局部極小點。
圖3：解決模式崩潰的新方法。
為了解決模式崩潰問題，我們提出了一個統一的框架，稱為動態生成對抗網絡(Dynamic GAN,DynGAN)。該方法通過對可觀察的判別器輸出設置相應閾值，檢測出生成器無法生成的樣本(崩潰樣本)，根據這些崩潰樣本劃分訓練集，然后在這些劃分上訓練動態條件的生成模型。
圖4：DynGAN在合成數據集上的表現。
圖5：DynGAN在現實世界數據集上的效果。
研究結果理論確保了所提新方法DynGAN的漸進式模式覆蓋。合成數據集和現實世界數據集的實驗表明，DynGAN在克服模式崩潰方面超過了現有GAN及其變體。該研究工作不僅推進了生成對抗網絡的理論研究，也為完善生成模型的模式覆蓋提供了重要的實現手段。
中國科學技術大學羅翌新博士、楊周旺教授分別是該工作的第一作者和通訊作者。本項研究獲得了國家自然科學基金委重大研究計劃、科技部國家重點研究計劃“數學和應用研究”重點專項、中國科學院戰略性先導科技專項、安徽省重大科技攻關專項等基金項目的支持。
論文鏈接：https://doi.org/10.1109/TPAMI.2024.3367532
Yixin Luo,Zhouwang Yang*. DynGAN: Solving Mode Collapse in GANs with Dynamic Clustering.IEEE Transactions on Pattern Analysis and Machine Intelligence,p1-12, 20 February 2024.(數學科學學院、科研部)
所有評論僅代表網友意見，與本站立場無關。