読者です 読者をやめる 読者になる 読者になる

From Pure Math to Applied Math

Stat/ML from a pure mathematical perspective.

ENERGY-BASED GENERATIVE ADVERSARIAL NETWORKの実装

Deep Learning Python 機械学習

前回の記事で紹介した、

[1609.03126] Energy-based Generative Adversarial Network

この論文のモデルをChainerの練習も兼ねて実装しましたので、そのコードを公開します。

訓練データは80x80の画像を読み込むように書きました。


gistd03bdc9b6cf0ebd9bb1d6918f1fd425f


ちなみに今は絶賛学習中なので、実験結果はありません。

ご了承下さい。



著者いわく、通常のDCGANやその他のGAN系のモデルよりも

高解像度のものが生成出来るようになった(なってきた?)らしいです。

論文では256x256の画像生成も挑戦してます。

f:id:mathetake:20161004181407p:plain

出典:https://arxiv.org/abs/1609.03126

グロい。



最先端の論文でもまだこのようなレベルなのかって、、感じがしますね。

個人的にエネルギー関数使った生成モデルに関して、純粋数学的な視点から

「どうして難しいのか」

が説明できそうなので、また時間が出来たら書いて論文の著者にぶん投げようと思います。

彼らも

”... a more formal and exhaustive theoretical understanding, for EBGANs and GANs altogether, is on demand.”

と言っているので、純粋な数学の視点からの意見が欲しいのかな、、、。