谈谈Adversarial Autoencoders

保留初心，砥砺前行

最近看了Adversarial Autoencoders（以下简称AAE）这篇paper，就随便写几句笔记。

paper链接，点我

1. 概述：

GAN和VAE是近年来很火的生成模型（关于GAN，我之前写过几篇了，需要的话点击文末的相关链接即可），对于这两个模型的研究层出不穷，变体无数，而将这两者结合也是一种优秀的思路。GAN说白了就是对抗，VAE就是一种Autoencoders，而本文的AAE就是将对抗的思想融入到Autoencoders中来。如下图所示：

这个图大概的意思是：上半部分就是AE，我们都知道AE需要把一个真实分布映射成隐层的z，AAE就是在z这里动手脚，（如图下半部分所示）在此加上对抗思想来优化这个z。

2. 优势：

知道了大概的思路，在具体理解一个事情前，我们先来进行一些思考：
从上图中可以明确地看出，这个模型不像原来的GAN一样生成出一些样本，然后和真实数据比较，梯度反向