【Google-Mila】你的GAN实际上是一个基于能量的模型，你应该使用鉴别器驱动的潜在采样，Your GAN is Secretly an Energy-based Model and You Should Use Discriminator Driven Latent Sampling

主题： Your GAN is Secretly an Energy-based Model and You Should Use Discriminator Driven Latent Sampling

摘要： GAN的隐式生成器对数密度logp_g与鉴别器的logit分数之和定义了一个能量函数，当生成器不完善但鉴别器是最佳时，该函数产生了真实的数据密度。这使得可以改进典型发电机（具有隐式密度p_g）。我们表明，根据潜在的先验对数密度和判别式输出得分之和所诱导的基于能量的模型，通过对潜在空间进行采样，可以从修改后的密度生成样本。我们称此过程为在潜在空间中运行Markov Chain Monte Carlo，然后应用生成器函数Discrim-inator驱动的潜在采样（DDLS）。我们证明，与在高维像素空间中工作的先前方法相比，DDLS是高效的，并且可以用于改进先前训练的多种类型的GAN。我们定性和定量地评估了合成和真实数据集上的DDLS。在CIFAR-10上，DDLS大大提高了现成的预训练SN-GAN的初始得分，从8.22到9.09，与类条件BigGAN模型相当。无需引入额外的参数或额外的训练，即可在无条件图像合成设置中获得最新的技术。