论文页面 - 跨尺度对齐监督训练生成对抗网络

来源：https://huggingface.co/papers/2605.26449

摘要

标准生成对抗网络（GAN）在中间输出上施加对抗性监督，无法在尺度间保持一致的样本轨迹，导致错位问题；一种名为CAT的新型基于Transformer的方法通过强制中间输出与最终输出之间的一致性解决了这一问题。

现代GAN（https://huggingface.co/papers?q=GANs）常常在中间生成器输出上引入对抗性监督（https://huggingface.co/papers?q=adversarial%20supervision），并将由此产生的多阶段合成（https://huggingface.co/papers?q=multi-stage%20synthesis）解释为从粗到细的分层生成。在这项工作中，我们对这一解释提出质疑。我们认为，标准的尺度级对抗性监督（https://huggingface.co/papers?q=adversarial%20supervision）并未构建出恰当的从粗到细层级结构（https://huggingface.co/papers?q=coarse-to-fine%20hierarchy）：每个中间图像都被独立地推向其自身分辨率下的真实分布，但这种尺度级真实性（https://huggingface.co/papers?q=scale-wise%20realism）并不能确保各阶段的输出代表相同的生成样本。此外，每个阶段产生的特定尺度图像并未被用作随后阶段的显式细化目标。因此，其对抗损失可以改善某个尺度特定的输出，而不约束后续阶段保持相同的样本轨迹，从而使它们可能转向不同的样本，而不是细化先前的输出。我们将此问题称为跨尺度轨迹错位（https://huggingface.co/papers?q=cross-scale%20trajectory%20misalignment）问题。为解决这一问题，我们提出了CAT，一种用于多尺度对抗性生成的跨尺度对齐Transformer（https://huggingface.co/papers?q=Cross-scale%20Aligned%20Transformer）。CAT保持判别器的尺度级特性，因此每个中间输出都在其自身分辨率下被评估，同时增加了一个简单的生成器侧一致性正则化（https://huggingface.co/papers?q=generator-side%20consistency%20regularization），将中间输出与最终输出对齐。在类条件ImageNet-256（https://huggingface.co/papers?q=ImageNet-256）上，CAT-H/2仅经过60个训练周期，一步推理就达到了1.56的FID-50K（https://huggingface.co/papers?q=FID-50K），优于强大的单步GAN和扩散/流基线。

查看arXiv页面（https://arxiv.org/abs/2605.26449）查看PDF（https://arxiv.org/pdf/2605.26449）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.26449）

在您的智能体中获取此论文：

hf papers read 2605.26449

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.26449以从本页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.26449以从本页面链接。

引用此论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2605.26449以从本页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集（https://huggingface.co/new-collection）以从本页面链接。