《表9 不同时间步骤下WIRGAN和GP-WIRGAN的初始得分》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型》
初始得分评价的是生成图像的多样性.表9是不同时间步骤下WIRGAN和GP-WIRGAN的初始得分.从表中可以看到,两个模型的初始得分均是随着时间步骤的增大而增高,表明生成图像的多样性越高,这也说明循环结构有利于提高样本的多样性.但是T=5时的初始得分和T=3时的初始得分相差不大.值得注意的是相比于其他三个数据集,CIFAR10的初始得分高很多,这是因为CIFAR10数据集中包含相对其他数据集更多类别,而且类别间的跨度更大,所以更容易得到不同的样本.同时可以看到,GP-WIRGAN的每一项初始得分都要比WIRGAN的每一项高.
图表编号 | XD00134450500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 冯永、张春平、强保华、张逸扬、尚家兴 |
绘制单位 | 重庆大学计算机学院、重庆大学信息物理社会可信服务计算教育部重点实验室、重庆大学计算机学院、重庆大学信息物理社会可信服务计算教育部重点实验室、桂林电子科技大学广西可信软件重点实验室、桂林电子科技大学广西光电信息处理重点实验室培育基地、重庆大学计算机学院、重庆大学信息物理社会可信服务计算教育部重点实验室、重庆大学计算机学院、重庆大学信息物理社会可信服务计算教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |