training GAN with small datasets with ADA

training GAN with small datasets with ADA


StyleGAN2 with adaptive discriminator augmentation (ADA)

Il training delle reti neurali di tipo GAN che utilizzano troppo pochi dati in input causano tipicamente un overfitting dei discriminatori, che procura una divergenza non desiderata.

Questo meccanismo di aumento adattativo del discriminatore (ADA stabilizza in modo significativo la formazione in regimi di dati di ingresso limitati. L'approccio non richiede modifiche alle funzioni o alle architetture della rete, ed è applicabile sia quando l'addestramento viene effettuato da zero sia quando si affina un GAN esistente su un altro set di dati. Su diversi dataset, ora è possibile ottenere buoni risultati utilizzando solo poche migliaia di immagini di addestramento, spesso abbinando i risultati di StyleGAN2 con un ordine di grandezza inferiore di immagini.


Training GANs with Limited Data

Add new comment

The content of this field is kept private and will not be shown publicly.

Full HTML

  • Web page addresses and email addresses turn into links automatically.
  • Lines and paragraphs break automatically.

Filtered HTML

  • Web page addresses and email addresses turn into links automatically.
  • Allowed HTML tags: <a href hreflang> <em> <strong> <cite> <blockquote cite> <code> <ul type> <ol start type='1 A I'> <li> <dl> <dt> <dd> <h2 id='jump-*'> <h3 id> <h4 id> <h5 id> <h6 id>
  • Lines and paragraphs break automatically.
CAPTCHA
This question is for testing whether or not you are a human visitor and to prevent automated spam submissions.