Improved Training of Wasserstein GANs

• 类型：arxiv
• 标识：1704.00028
• 链接：https://arxiv.org/abs/1704.00028
• 主题：llm-infra
• 主分类：engineering
• 形态：method
• 被引：11129
• 被引来源：Semantic Scholar
• S2被引：11129
• OpenAlex被引：1504
• 影响力被引：1580
• TLDR：This work proposes an alternative to clipping weights: penalize the norm of gradient of the critic with respect to its input, which performs better than standard WGAN and enables stable training of a wide variety of GAN architectures with almost no hyperparameter tuning.
• OpenAlex ID：W2605135824
• OpenAlex DOI：10.48550/arxiv.1704.00028
• DOI：10.48550/arxiv.1704.00028
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1704.00028
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：Improved Training of Wasserstein GANs
• TLDR中文：本文提出一种权重裁剪的替代方案：对 critic 相对于其输入的梯度范数施加惩罚。其性能优于标准 WGAN，能以几乎无需调参的方式稳定训练多种 GAN 架构。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]