核心观点:GAN和AE的最大区别在于对于生成结果质量的评估不同。
1. 相同之处
AE和GAN在产生图片上十分相似,AE是通过Decoder隐变量产生新数据。而GAN则是通过Generator产生随机图像。
2. 不同之处
AE是通过对比生成数据和原始数据之间的质量差异,来优化隐变量。
GAN则是通过判别器对比真实数据和生成数据之间的质量,使两种图片能产生相似的结果。
3. 优势/劣势
AE,中间的隐变量是由输入数据Encode产生的,导致隐变量Encode和原数据对应性更强,生成数据也就更加规则。但是这样会导致数据是点对点监督的,也就是说,尽量保证每个点都一样,也就会导致全局信息获取不够全面。全局信息弱,局部信息强。
GAN,随机输入和数据对应性弱,导致生成数据容易偏离主题,并且判别器是对数据整体进行判断的,生成的数据连续性更强,对数据的整体能有更好的把握,也就是全局信息强,局部信息弱。