专栏名称: PaperWeekly

PaperWeekly是一个分享知识和交流学问的学术组织，关注的领域是自然语言处理的各个方向。我们热爱知识，分享知识，希望通过我们大家的努力为自然语言处理的发展做出一点点贡献。我们每周会分享一期特定话题的论文笔记和本周值得读的相关论文。

带多分类判别器的GAN模型 | 直播预告·PhD Talk #13

PaperWeekly · 公众号 · 科研 · 2017-08-07 09:00

正文

「PhD Talk」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

这是第 13 期「Guru Talk」

嘉宾介绍

周志明

上海交通大学

周志明，上海交通大学 APEX 数据与知识管理实验室三年级博士生，研究兴趣包括深度学习，生成对抗网络，强化学习，计算机视觉与图形学。曾在 MSRA 网络图形组童欣和董悦的指导下研究表面材质获取（Appearance Acquisition），发表 SIGGRAPH Asia 论文一篇。近一年来转攻机器学习，以生成对抗网络（GAN）为核心研究方向。

主题介绍

本期 talk 以“带多分类判别器的 GAN 模型”为核心，讨论如何更好地利用标签信息，以提升 GAN 的生成效果。很多论文与实验表面，多分类判别器能显著提升 GAN 的训练效果，但其背后的原理尚不明晰。我们将从 class-aware gradient 的角度揭示多分类判别器究竟是如何提升 GAN 的训练效果，并以此为基础提出了一个改进模型 AM-GAN，然后我们将从理论上揭示了 AM-GAN 与当前的各种“带多分类判别器的 GAN 模型”之间的密切联系与区别，包括 CatGAN，AC-GAN 以及 [Salimans et al., 2016] 中提出的我们称之为 LabelGAN 的模型。基本上我们可以说，AM-GAN 是 CatGAN，AC-GAN 以及 LabelGAN 完美结合；实验上我们也取得了当前最先进水平。

Activation Maximization Generative Adversarial Nets

https://arxiv.org/abs/1703.02000

活动时间

8 月 8 日本周二 20:00

活动地点