科学计算与人工智能实验室

中国科大在生成对抗网络的模式崩溃机理研究取得重要突破

发布者:朱聪聪发布时间:2024-03-15浏览次数:20

中国科学技术大学九韶团队研究了模式崩溃发生的根本机理,基于数学理论分析提出了一种新方法定量检测和解决生成对抗网络(GANs)中的模式崩溃问题。该成果以“DynGAN: Solving Mode Collapse in GANs with Dynamic Clustering”为题发表在国际知名学术期刊IEEE Transactionson Pattern Analysis and Machine Intelligence。


image.png

图1:什么是模式崩溃现象

(注:图截取自文献:Goodfellow, Ian. NIPS 2016 tutorial: Generative adversarial networks. arXiv preprint arXiv:1701.00160 (2016).)


生成对抗网络(GAN)是广泛使用的生成模型,通过学习真实样本的分布用于合成复杂逼真的数据。然而,模式崩溃(mode collapse)是生成对抗网络面临的一个重要挑战,即生成样本的多样性明显低于真实样本的多样性,这对进一步应用造成了困扰。由于生成对抗网络及其训练过程的复杂性,涉及多种可能的因素和环节,一直无法明确究竟是何种机理导致模式崩溃的发生。

image.png

图2:模式崩溃发生的根本机理


经过深入研究,研究团队发现了生成对抗网络产生模式崩溃的根本机理。理论分析表明,当真实数据存在多个模式时,生成器损失函数关于其参数是非凸的。具体地,导致生成分布仅覆盖真实分布的部分模式的参数,是生成器损失函数的局部极小点。

image.pngimage.png

图3:解决模式崩溃的新方法


为了解决模式崩溃问题,我们提出了一个统一的框架,称为动态生成对抗网络(Dynamic GAN,DynGAN)。该方法通过对可观察的判别器输出设置相应阈值,检测出生成器无法生成的样本(崩溃样本),根据这些崩溃样本划分训练集,然后在这些划分上训练动态条件的生成模型。

image.png

图4:DynGAN在合成数据集上的表现

image.png

图5:DynGAN在现实世界数据集上的效果


研究结果理论确保了所提新方法DynGAN的渐进式模式覆盖。合成数据集和现实世界数据集的实验表明,DynGAN在克服模式崩溃方面超过了现有GAN及其变体。该研究工作不仅推进了生成对抗网络的理论研究,也为完善生成模型的模式覆盖提供了重要的实现手段。

中国科学技术大学罗翌新博士、杨周旺教授分别是该工作的第一作者和通讯作者。本项研究获得了国家自然科学基金委重大研究计划、科技部国家重点研究计划“数学和应用研究”重点专项、中国科学院战略性先导科技专项、安徽省重大科技攻关专项等基金项目的支持。

论文链接: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.

(数学科学学院、科研部)

转自:中国科大官网

罗翌新博士现为中国科学技术大学苏州高等研究院博士后。


原文链接:中国科大在生成对抗网络的模式崩溃机理研究取得重要突破-中国科大新闻网 (ustc.edu.cn)