基於變分自編碼器的生成對抗網絡

基於變分自編碼器的生成對抗網絡（VEGAN）

https://arxiv.org/abs/1512.09300

Motivation

前面的文章基於自編碼器的GAN中已經提到了，AEGAN中有一個問題，就是如果我們的結果太真實，那麼相對來說，多樣性上就會有所缺失，因此，這篇文章主要就是用VAE來解決原始AEGAN中的多樣性問題。

VAE

關於VAE，可以參考以前的博文VAE
我們可以把它看做一個採樣的過程，只不過這個採樣來自於我們指定的分佈

VAEGAN

沒有找到VAEGAN的圖，所以還是用原來的代替。這裏的z來自一個指定的分佈，通過這個z來生成新的圖像，與AEGAN不同的是這個z是我們指定的分佈，而AEGAN中，採樣分佈纔是制定分佈。因此，我們可以說這樣獲取的z，可以更好的接近原始數據。或者換一種說法，我們讓一個制定分佈通過一系列變化生成的樣本更加接近真實樣本。而不是對特徵的編碼，這樣覆蓋的面更大，結果也更好