基于能量模型的最大熵生成对抗网络

来源：计算机应用与软件杂志2024年第2期北京时间：

作者：张丽园, 汪大峰, 徐明晓, 刘凯

摘要：生成对抗网络（Generative Adversarial Network，GAN）是目前深度学习领域的一个研究热点。针对GAN生成模型存在模式坍塌和训练不稳定的问题，提出一种全新的能量函数意义下的生成式对抗网络模型（Energy Maximum Entropy GAN，E-MEGAN）。该模型的最终目标是最大化生成样本的熵来解决模式坍塌问题，使用非参数互信息估计量计算该熵。为了稳定对抗的训练过程，还使用了以零为中心的梯度惩罚技巧。通过在MNIST和CelebA数据集上进行大量实验，表明该模型可以生成清晰高质量的图像，其IS（Inception Scores）和FID（Frechet Inception Distance）与WGAN-GP技术相比具有同等竞争力，并且不会遭受模式的损失。

关键词：生成对抗网络, 能量函数, 最大熵, 稳定对抗