Basic Theory
问题描述
假设下图中的蓝色区域是人脸的分布(用一个点代表一张人脸图片),区域内的是high probability的,区域外的是Low probability。GAN的generator做的事情就是找出这个distribution。
最大似然估计的解法
在没有GAN之前,如何找出这个distribution的呢?使用的是Maximum Likelihood Estimation(最大似然估计)
等价于最小化KL Divergence
如何定义general P G P_G PG? 之前用高斯分布,但是,生成的效果很糊。
GAN的解法
现在在GAN中, G G G是一个网络,这样,就可以将输入(normal distribution)生成出更为复杂的distribution,使得生成的distribution与目标的distribution越近越好。
衡量两个distribution的方法,是计算相应的divergence。
但是, P G P_G PG和 P d a t a P_{data} Pdata的distribution到时是什么样的,我们并不知道,所以,也就无法直接计算。但是,在GAN中是可以的,怎么做的呢?后面会介绍。
直观地感受一下GAN是如何度量两个distribution之间的divergence的。
下面的slide说的是:虽然我们没法知道 P G P_G PG和 P d a t a P_{data} Pdata的真实distribution,但是,我们可以抽样啊,然后,利用抽样的数据来评估。
如何评估呢?—— GAN中的discriminator就是可以用作评估的。
与训练一个Binary Classifier是一样的,Loss使用的也是cross entropy。