史上最強GAN被谷歌超越！標註資料少用90%，造假效果卻更逼真

https://www.toutiao.com/a6665898514737791501/

當前生成影像最逼真的BigGAN被超越了！

出手的，是谷歌大腦和蘇黎世聯邦理工學院。他們提出了新一代GAN： S³GAN 。

它們生成的照片，都是真假難辨。

下面這兩隻蝴蝶，哪隻更生動？

兩張風景照片，哪張更真實？

難以抉擇也正常，反正都是假的。上面 的照騙 ，都是左邊出自S³GAN，右邊的出自BigGAN之手。

它們還有更多作品：

至於哪些是S³GAN，答案文末揭曉。

肉眼難分高下，就用資料說話。跑個FID（Frechet Inception Distance）得分，分值越低，就表示這些照騙，越接近人類認識裡的真實照片——

S³GAN是8.0分，而BigGAN是8.4分。新選手略微勝出。

你可還記得BigGAN問世之初，直接將影像生成的逼真度提高了一個Level，引來Twitter上花樣讚賞？

如今它不止被超越，而且是被 輕鬆 超越。

“輕鬆”在哪呢？

S³GAN達到這麼好的效果，只用了10%的人工標註資料。而老前輩BigGAN，訓練所用的資料100%是人工標註過的。

如果用上20%的標註資料，S³GAN的效果又會更上一層樓。

標註資料的缺乏，已經是幫GAN提高生成能力，擴充使用場景的一大瓶頸。如今，這個瓶頸已經幾乎被打破。

現在的S³GAN，只經過了ImageNet的實驗，是實現用更少標註資料訓練生成高保真影像的第一步。

接下來，作者們想要把這種技術應用到“更大”和“更多樣化”的資料集中。

不用標註那麼多

為什麼訓練GAN生成影像，需要大量資料標註呢？

GAN有生成器、判別器兩大元件。

其中判別器要不停地識破假影像，激勵生成器拿出更逼真的影像。

而影像的標註，就是給判別器做判斷依據的。比如，這是真的貓，這是真的狗，這是真的漢堡……這是假圖。

可是，沒有那麼多標註資料怎麼辦？

谷歌和ETH蘇黎世的研究人員，決定訓練AI自己標註影像，給判別器食用。

自監督 vs 半監督

要讓判別器自己標註影像，有兩種方法。

一是 自監督方法，就是給判別器加一個 特徵提取器  (Feature Extractor) ，從沒有標註的真實訓練資料裡面，學到它們的表徵 (Feature Representation) 。

對這個表徵做聚類 (Clustering) ，然後把聚類的分配結果，當成標註來用。

這裡的訓練，用的是自監督損失函式。

二是 半監督方法，也要做特徵提取器，但比上一種方法複雜一點點。

在訓練集的一個 子集 已經標註過的情況下，根據這些已知資訊來學習表徵，同時訓練一個 線性分類器  (Linear Classifier) 。

這樣，損失函式會在自監督的基礎上，再加一項半監督的交叉熵損失 (Cross-Entropy Loss) 。

預訓練了特徵提取器，就可以拿去訓練GAN了。這個用一小部分已知標註養成的GAN，叫做 S²GAN 。

不過，預訓練也不是唯一的方法。

想要雙管齊下，可以用 協同訓練  (Co-Training) ：

直接在判別器的表徵上面，訓練一個半監督的線性分類器，用來預測沒有標註的影像。這個過程，和GAN的訓練一同進行。

這樣就有了S²GAN的協同版，叫 S²GAN-CO 。

升級一波

然後，團隊還想讓S²GAN變得更強大，就在GAN訓練的穩定性上面花了心思。

研究人員說，判別器自己就是一個分類器嘛，如果把這個分類器擴增 (Augmentation) 一下，可能療效上佳。

於是，他們給了分類器一個額外的自監督任務，就是為 旋轉擴增 過的訓練集 (包括真圖和假圖) ，做個預測。

再把這個步驟，和前面的半監督模型結合起來，GAN的訓練變得更加穩定，就有了升級版 S³GAN ：

架構脫胎於BigGAN

不管是S²GAN還是S³GAN，都借用了前輩BigGAN的網路架構，用的優化超引數也和前輩一樣。

不同的是，這個研究中，沒有使用正交正則化 (Orthogonal Regularization) ，也沒有使用截斷 (Truncation) 技巧。

訓練的資料集，來自ImageNet，其中有130萬訓練影像和5萬測試影像，影像中共有1000個類別。

影像尺寸被調整成了128×128×3，在每個類別中隨機選擇k%的樣本，來獲取半監督方法中的使用的部分標註資料集。

最後，在128核的Google TPU v3 Pod進行訓練。

超越BigGAN

研究對比的基線，是DeepMind的BigGAN，當前記錄的保持者，FID得分為 7.4 。

不過，他們在ImageNet上自己實現的BigGAN，FID為8.4，IS為75，並以此作為了標準。

在這個圖表中，S²GAN是半監督的預訓練方法。S²GAN-CO是半監督的協同訓練方法。

S³GAN，是S²GAN加上一個自監督的線性分類器 (把資料集旋轉擴增之後再拿給它分類) 。

其中，效果最好的是S³GAN，只使用10%由人工標註的資料，FID得分達到8.0，IS得分為78.7，表現均優於BigGAN。

如果你對這項研究感興趣，請收好傳送門：

論文：

High-Fidelity Image Generation With Fewer Labels

https://arxiv.org/abs/1903.02271

文章開頭的這些照騙展示，就出自論文之中：

第一行是BigGAN作品，第二行是S³GAN新品，你猜對了嗎？

另外，他們還在GitHub上開源了論文中實驗所用全部程式碼：

https://github.com/google/compare_gan

—  完  —

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/29829936/viewspace-2637962/，如需轉載，請註明出處，否則將追究法律責任。