BOLT-GAN

新的BOLT-GAN方法提高了图像生成质量

研究人员推出了一种新颖的生成对抗网络（GAN）训练方法BOLT-GAN，该方法围绕贝叶斯最优判别重构了目标。通过用一个界定贝叶斯错误率的损失函数替换标准的交叉熵损失，BOLT-GAN旨在提高样本质量和覆盖率。在CIFAR-10和LSUN Bedroom-64等图像生成基准上的初步实验表明，在相似的训练条件下，与WGAN-GP相比，Fréchet Inception Distance（FID）有了显著降低。