TCSNGAN:基于Transformer和谱归一化CNN的图像生成模型
计算机应用研究 钱惠敏 毛邱凌 陈实 韩怡星 吕本杰
摘 要：生成对抗网络（generative adversarial network，GAN）已成为图像生成问题中常用的模型之一，但是GAN的判别器在训练过程中易出现梯度消失而导致训练不稳定，以致无法获得最优化的GAN而影响生成图像的质量。针对该问题，设计满足Lipschitz条件的谱归一化卷积神经网络（CNN with spectral normalization，CSN）作为判别器，并采用具有更强表达能力的Transformer作为生成器，由此提出图像生成模型TCSNGAN。（剩余18860字）