我研究GANs大概有一年时间了,稍后会把自己做的多篇论文笔记逐一发布出来,互相讨论。
参考Goodfellow的论文,论文链接:https://arxiv.org/abs/1406.2661
1.核心内容:
提出通过一种对抗的方式训练生成模型,论证存在一个解使得生成模型可以很好地模拟真实数据分布。(生成模型的本质是生成与真实数据近似的数据)
2.对抗是如何实现的:
首先定义两个网络(可以是多层感知机),取名为生成器G和判别器D,G的目的是尽量模拟真实数据分布,D的目的是尽量区分数据是来自于真实数据还是生成数据。其实在我看来,D的角色就像是一个二分类器,D的loss function是最大化分类正确率,不同的是G的loss function是尽量使来自于生成器的数据被D 误判。这体现了对抗的思想。