Teaching a GAN What Not to Learn

[morioka]

https://twitter.com/AkiraTOSEI/status/1324660297257418752

NeurIPS2020

https://arxiv.org/abs/2010.15639
GANのDiscriminatorに真偽ではなく「避けるべき真のデータ」「真」「偽」を判定させることにより、意図的に生成するデータを調整するRumi-GANを提案。ACGAN等と比較し、データが不均衡なサンプルにおいて特定のクラスのデータを上手く生成できる。 https://twitter.com/AkiraTOSEI/status/1324660297257418752/photo/1

— akira (@AkiraTOSEI) November 6, 2020


[morioka]

https://twitter.com/sei_shinagawa/status/1324666881173716993

text-to-imageのmatching-aware lossと考え方が近いけど、こちらもこの論文と同じような考え方でpositive, negative, fakeでやっていくのは良さそう？

— Seitaro Shinagawa (@sei_shinagawa) November 6, 2020