在前一段時間，Han Zhang 和 Goodfellow 等研究者提出添加了自注意力機制的生成對抗網絡，這種網絡可使用全局特征線索來生成高分辨率細節(jié)。本文介紹了自注意力生成對抗網絡的 PyTorch 實現，讀者也可以嘗試這一新型生成對抗網絡。
項目地址：https://github.com/heykeetae/Self-Attention-GAN
這個資源庫提供了一個使用 PyTorch 實現的 SAGAN。其中作者準備了 wgan-gp 和 wgan-hinge 損失函數，但注意 wgan-gp 有時與譜歸一化（spectral normalization）是不匹配的；因此，作者會移除模型所有的譜歸一化來適應 wgan-gp。
在這個實現中，自注意機制會應用到生成器和鑒別器的兩個網絡層。像素級的自注意力會增加 GPU 資源的調度成本，且每個像素有不同的注意力掩碼。Titan X GPU 大概可選擇的批量大小為 8，你可能需要減少自注意力模塊的數量來減少內存消耗。
目前更新狀態(tài)：
注意力可視化 (LSUN Church-outdoor)
無監(jiān)督設置（現未使用標簽）
已應用：Spectral Normalization（代碼來自 https://github.com/christiancosgrove/pytorch-spectral-normalization-gan）
已實現：自注意力模塊（self-attention module）、兩時間尺度更新規(guī)則（TTUR）、wgan-hinge 損失函數和 wgan-gp 損失函數
結果
下圖展示了 LSUN 中的注意力結果 (epoch #8)：
SAGAN 在 LSUN church-outdoor 數據集上的逐像素注意力結果。這表示自注意力模塊的無監(jiān)督訓練依然有效，即使注意力圖本身并不具有可解釋性。更好的圖片生成結果以后會添加，上面這些是在生成器第層 3 和層 4 中的自注意力的可視化，它們的尺寸依次是 16 x 16 和 32 x 32，每一張都包含 64 張注意力圖的可視化。要可視化逐像素注意力機制，我們只能如左右兩邊的數字顯示選擇一部分像素。
CelebA 數據集 (epoch on the left, 還在訓練中)：
LSUN church-outdoor 數據集 (epoch on the left, 還在訓練中)：
訓練環(huán)境：
Python 3.5+ (https://www.continuum.io/downloads)
PyTorch 0.3.0 (http://pytorch.org/)
用法
1. 克隆版本庫
$ git clone https://github.com/heykeetae/Self-Attention-GAN.git
$ cd Self-Attention-GAN
2. 下載數據集 (CelebA 或 LSUN)
$ bash download.sh CelebA
or
$ bash download.sh LSUN
3. 訓練
$ python python main.py --batch_size 6 --imsize 64 --dataset celeb --adv_loss hinge --version sagan_celeb
or
$ python python main.py --batch_size 6 --imsize 64 --dataset lsun --adv_loss hinge --version sagan_lsun
4. 享受結果吧~
$ cd samples/sagan_celeb
or
$ cd samples/sagan_lsun
每 100 次迭代生成一次樣本，抽樣率可根據參數 --sample_step (ex,—sample_step 100) 控制。
論文：Self-Attention Generative Adversarial Networks
論文地址：https://arxiv.org/abs/1805.08318
在此論文中，我們提出了自注意生成式對抗網絡（SAGAN），能夠為圖像生成任務實現注意力驅動的、長范圍的依存關系建模。傳統(tǒng)的卷積 GAN 只根據低分辨特征圖中的空間局部點生成高分辨率細節(jié)（detail)。在 SAGAN 中，可使用所有特征點的線索來生成高分辨率細節(jié)，而且鑒別器能檢查圖片相距較遠部分的細微細節(jié)特征是否彼此一致。不僅如此，近期研究表明鑒別器調節(jié)可影響 GAN 的表現。根據這個觀點，我們在 GAN 生成器中加入了譜歸一化（spectral normalization），并發(fā)現這樣可以提高訓練動力學。我們所提出的 SAGAN 達到了當前最優(yōu)水平，在極具挑戰(zhàn)性的 ImageNet 數據集中將最好的 inception 分數記錄從 36.8 提高到 52.52，并將 Frechet Inception 距離從 27.62 減少到 18.65。注意力層的可視化展現了生成器可利用其附近環(huán)境對物體形狀做出反應，而不是直接使用固定形狀的局部區(qū)域。