增强光谱归一化GAN

抗标签噪声

通过整合光谱归一化与权重衰减，稳定判别器训练，有效抑制真实与生成数据中的标签噪声。

Chen, Yuanqi · Jin, Cece · 李戈 · 李彤 · Gao, Wei

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

同时应对两类噪声

针对来自真实数据和生成数据两方面的标签噪声，方法通过结合光谱归一化与权重衰减来正则化判别器，避免了只考虑单一来源的局限。

无需过多额外成本

该方法可以轻松集成到各种现有GAN框架中，不会引入过高的计算或实现开销。

应用场景

• 生成对抗网络：为GAN判别器提供抗标签噪声的正则化，提升训练稳定性。
• 图像生成：在存在标签噪声的数据集上，提升生成图像的质量与训练稳定性。
• 鲁棒机器学习：通过正则化判别器，增强模型对标签噪声的鲁棒性。