生成对抗网络的神经架构搜索：全面回顾和批判性分析

arXiv:2606.26169v1 公告类型：新 摘要：神经架构搜索 (NAS) 已成为优化生成对抗网络 (GAN) 设计的关键技术，可自动搜索有效架构，同时解决手动设计中固有的挑战。本文对应用于 GAN 的 NAS 方法进行了全面回顾，根据搜索策略、评估指标和性能结果等标准对各种方法进行了分类和比较。该评论强调了 NAS 在提高 GAN 性能、稳定性和效率方面的优势，同时也确定了未来研究的局限性和领域。主要发现包括进化算法和基于梯度的方法在某些情况下的优越性、超越传统分数（如初始分数（IS）和Fr'echet初始距离（FID））的稳健评估指标的重要性，以及评估 GAN 性能时对不同数据集的需求。通过对现有 NAS-GAN 技术进行结构化比较，本文旨在指导研究人员开发更有效的 NAS 方法并推进 GAN 领域的发展。