當前生成圖像最逼真的BigGAN被超越了!

出手的，是谷歌大腦和蘇黎世聯邦理工學院。他們提出了新一代GAN：S3GAN。

它們生成的照片，都是真假難辨。

下面這兩只蝴蝶，哪只更生動?

兩張風景照片，哪張更真實?

難以抉擇也正常，反正都是假的。上面的照騙，都是左邊出自S3GAN，右邊的出自BigGAN之手。

它們還有更多作品：

至于哪些是S3GAN，答案文末揭曉。

肉眼難分高下，就用數據說話。跑個FID(Frechet Inception Distance)得分，分值越低，就表示這些照騙，越接近人類認識里的真實照片——

S3GAN是8.0分，而BigGAN是8.4分。新選手略微勝出。

你可還記得BigGAN問世之初，直接將圖像生成的逼真度提高了一個Level，引來Twitter上花樣贊賞?

如今它不止被超越，而且是被輕松超越。

“輕松”在哪呢?

S3GAN達到這么好的效果，只用了10%的人工標注數據。而老前輩BigGAN，訓練所用的數據100%是人工標注過的。

如果用上20%的標注數據，S3GAN的效果又會更上一層樓。

標注數據的缺乏，已經是幫GAN提高生成能力，拓展使用場景的一大瓶頸。如今，這個瓶頸已經幾乎被打破。

現在的S3GAN，只經過了ImageNet的實驗，是實現用更少標注數據訓練生成高保真圖像的第一步。

接下來，作者們想要把這種技術應用到“更大”和“更多樣化”的數據集中。

不用標注那么多

為什么訓練GAN生成圖像，需要大量數據標注呢?

GAN有生成器、判別器兩大組件。

其中判別器要不停地識破假圖像，激勵生成器拿出更逼真的圖像。

而圖像的標注，就是給判別器做判斷依據的。比如，這是真的貓，這是真的狗，這是真的漢堡……這是假圖。

可是，沒有那么多標注數據怎么辦?

谷歌和ETH蘇黎世的研究人員，決定訓練AI自己標注圖像，給判別器食用。

自監督 vs 半監督

要讓判別器自己標注圖像，有兩種方法。

一是自監督方法，就是給判別器加一個特征提取器 (Feature Extractor) ，從沒有標注的真實訓練數據里面，學到它們的表征 (Feature Representation) 。

對這個表征做聚類 (Clustering) ，然后把聚類的分配結果，當成標注來用。

這里的訓練，用的是自監督損失函數。

二是半監督方法，也要做特征提取器，但比上一種方法復雜一點點。

在訓練集的一個子集已經標注過的情況下，根據這些已知信息來學習表征，同時訓練一個線性分類器 (Linear Classifier) 。

這樣，損失函數會在自監督的基礎上，再加一項半監督的交叉熵損失 (Cross-Entropy Loss) 。

預訓練了特征提取器，就可以拿去訓練GAN了。這個用一小部分已知標注養成的GAN，叫做S2GAN。

不過，預訓練也不是唯一的方法。

想要雙管齊下，可以用協同訓練 (Co-Training) ：

直接在判別器的表征上面，訓練一個半監督的線性分類器，用來預測沒有標注的圖像。這個過程，和GAN的訓練一同進行。

這樣就有了S2GAN的協同版，叫S2GAN-CO。

升級一波

然后，團隊還想讓S2GAN變得更強大，就在GAN訓練的穩定性上面花了心思。

研究人員說，判別器自己就是一個分類器嘛，如果把這個分類器擴增 (Augmentation) 一下，可能療效上佳。

于是，他們給了分類器一個額外的自監督任務，就是為旋轉擴增過的訓練集 (包括真圖和假圖) ，做個預測。

再把這個步驟，和前面的半監督模型結合起來，GAN的訓練變得更加穩定，就有了升級版S3GAN：

架構脫胎于BigGAN

不管是S2GAN還是S3GAN，都借用了前輩BigGAN的網絡架構，用的優化超參數也和前輩一樣。

不同的是，這個研究中，沒有使用正交正則化 (Orthogonal Regularization) ，也沒有使用截斷 (Truncation) 技巧。

△BigGAN的生成器和鑒別器架構圖

訓練的數據集，來自ImageNet，其中有130萬訓練圖像和5萬測試圖像，圖像中共有1000個類別。

圖像尺寸被調整成了128×128×3，在每個類別中隨機選擇k%的樣本，來獲取半監督方法中的使用的部分標注數據集。

最后，在128核的Google TPU v3 Pod進行訓練。

超越BigGAN

研究對比的基線，是DeepMind的BigGAN，當前記錄的保持者，FID得分為7.4。

不過，他們在ImageNet上自己實現的BigGAN，FID為8.4，IS為75，并以此作為了標準。

在這個圖表中，S2GAN是半監督的預訓練方法。S2GAN-CO是半監督的協同訓練方法。

S3GAN，是S2GAN加上一個自監督的線性分類器 (把數據集旋轉擴增之后再拿給它分類) 。

其中，效果最好的是S3GAN，只使用10%由人工標注的數據，FID得分達到8.0，IS得分為78.7，表現均優于BigGAN。

如果你對這項研究感興趣，請收好傳送門：

論文：

High-Fidelity Image Generation With Fewer Labels

https://arxiv.org/abs/1903.02271

文章開頭的這些照騙展示，就出自論文之中：

第一行是BigGAN作品，第二行是S3GAN新品，你猜對了嗎?

另外，他們還在GitHub上開源了論文中實驗所用全部代碼：

https://github.com/google/compare_gan