उन्नत गुणवत्ता, स्थिरता और विविधता के लिए GANs का प्रगतिशील विकास

हम जनरेटिव एडवर्सेरियल नेटवर्क के लिए एक नई प्रशिक्षण पद्धति का वर्णन करते हैं। मुख्य विचार यह है कि जनरेटर और डिस्क्रिमिनेटर दोनों को क्रमिक रूप से बढ़ाना है: एक निम्न रिज़ॉल्यूशन से शुरू करते हुए, हम नए परतें जोड़ते हैं जो प्रशिक्षण की प्रगति के साथ अधिक परिष्कृत विवरणों का मॉडल बनाती हैं। यह प्रशिक्षण को तेज करता है और इसे बहुत स्थिर बनाता है, जिससे हमें अभूतपूर्व गुणवत्ता की छवियाँ उत्पन्न करने की अनुमति मिलती है, जैसे कि CelebA छवियाँ 1024² पर। हम उत्पन्न छवियों में विविधता बढ़ाने के लिए एक सरल तरीका भी प्रस्तावित करते हैं, और अव्यवस्थित CIFAR10 में 8.80 का रिकॉर्ड इनसेप्शन स्कोर प्राप्त करते हैं। इसके अतिरिक्त, हम कई कार्यान्वयन विवरणों का वर्णन करते हैं जो जनरेटर और डिस्क्रिमिनेटर के बीच अस्वस्थ प्रतिस्पर्धा को हतोत्साहित करने के लिए महत्वपूर्ण हैं। अंततः, हम GAN परिणामों के मूल्यांकन के लिए एक नई मीट्रिक का सुझाव देते हैं, छवि गुणवत्ता और विविधता दोनों के संदर्भ में। एक अतिरिक्त योगदान के रूप में, हम CelebA डेटासेट का एक उच्च गुणवत्ता वाला संस्करण तैयार करते हैं।