Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
Progressive Growing of GANs for Improved Quality, Stability, and Variation
Slide 2
Slide 2 text
自己紹介 Twitter : @hrs1985 https://qiita.com/hrs1985 機械学習エンジニアをしています。最近転職して 7月から東京で働いてます。 前々職では実験生物学やってました。 ● 深層生成モデル ● 強化学習 ● 画像処理 に興味があります。最近はグラフも面白そうだなと思っています。 2
Slide 3
Slide 3 text
論文の概要 ▪ GAN の学習安定化のための Progressive Growing を提案 ▪ その他の工夫 (Equalized Learning Rate, Pixelwise Normalization) を提案 3 3
Slide 4
Slide 4 text
Progressive Growing 学習が不安定になる一因は生成するデータが高次元すぎること →低次元のデータから徐々に学習を進める 4
Slide 5
Slide 5 text
Progressive Growing 新しいレイヤーを加える時、新しいレイヤーの出力/入力と その直前のレイヤーの出力/入力を α : 1 - α で足して用いる。 5
Slide 6
Slide 6 text
Progressive Growing を実装したいとき (Pytorch) 6 4x4 8x8 16x16 32x32 Upsampling block 4x4 8x8 16x16 32x32 noise 4x4 image To RGB block
Slide 7
Slide 7 text
Progressive Growing を実装したいとき (Pytorch) 7 4x4 8x8 16x16 32x32 Upsampling block 4x4 8x8 16x16 32x32 To RGB block noise 8x8 image
Slide 8
Slide 8 text
Progressive Growing を実装したいとき (Pytorch) 8 4x4 8x8 16x16 32x32 Upsampling block 4x4 8x8 16x16 32x32 To RGB block noise 16x16 image
Slide 9
Slide 9 text
Progressive Growing を実装したいとき (Pytorch) 9 4x4 8x8 16x16 32x32 Upsampling block 4x4 8x8 16x16 32x32 To RGB block noise 32x32 image
Slide 10
Slide 10 text
その他の工夫 Pixelwise Normalization 各ピクセルをチャンネル方向の 2-ノルムで割る Generator 側でのみ用いている Equalized Learning Rate 各レイヤーの weight をチャンネル数で正規化して使う 出力 (と誤差の逆伝搬) のダイナミックレンジがチャンネル数に対して変動しにくくなる 10 Minibatch Discrimination ミニバッチ内の標準偏差を Discriminator に与える
Slide 11
Slide 11 text
Ablation study 11
Slide 12
Slide 12 text
顔画像の生成 12
Slide 13
Slide 13 text
やってみた 13 ちゃんとした比較はできてないけど、卵以外の具材の破綻が少なそう?