您现在的位置是:首页 >其他 >[WGAN] Wasserstein GAN网站首页其他

[WGAN] Wasserstein GAN

emergency_rose 2024-06-17 11:28:21
简介[WGAN] Wasserstein GAN

        看这个解析讲的也挺好的:令人拍案叫绝的Wasserstein GAN - 知乎

1、背景

        GAN的训练是delicate和unstable的。需要定义一个连续的距离
ho (mathbb{P}_{	heta }, mathbb{P}_{r }),来衡量模型distribution和真实distribution之间的差异。

2、贡献

        提出了Wasserstein-GAN,用Earth Mover (EM)距离来衡量分布之间的距离,使得GAN的训练更加稳定:

        1)无须平衡D和G的训练

        2)无须慎重设计网络结构

        3)显著减少了模式坍塌现象

3、常用distance

        1)Total Variation(TV)

                

        2)Kullback-Leibler(KL)

                 

        3)Jensen-Shannon(JS)divergence

                

                               

        4)Earth-Mover(EM)距离 / Wasserstein-1

                

        文章用了大篇幅的理论证明了概率分布在EM distance下是收敛的,而在其他几个distance下是不收敛的。

 

        

风语者!平时喜欢研究各种技术,目前在从事后端开发工作,热爱生活、热爱工作。