《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．