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