我对 GAN 很陌生，我正在阅读有关 WGAN 与 DCGAN 的信息。
关于 Wasserstein GAN (WGAN)，我在这里阅读
WGAN没有使用鉴别器来分类或预测生成的图像是真还是假的概率，而是用一个对给定图像的真实性或虚假性进行评分的批评者来改变或替换鉴别器模型。
在实践中，我不明白给定图像的真实性或虚假性得分与生成的图像是真实还是虚假的概率之间有什么区别。
分数不是概率吗？
Wasserstein GAN概率中的分数不是吗？
人工智能
深度学习
术语
生成对抗网络
可能性
瓦瑟斯坦甘
2021-10-21 10:00:52
1个回答
原始 WGAN 论文中的图 3实际上对于理解 WGAN 中的分数和 GAN 中的概率之间的差异非常有帮助（见下面的截图）。蓝色分布是真实样本，绿色分布是假样本。在此示例中训练的 Vanilla GAN 将真实样本识别为“100% 真实”（红色曲线），将虚假样本识别为“100% 虚假”。这导致了梯度消失和原始 GAN 众所周知的模式崩溃问题。
另一方面，Wasserstein GAN 给每个样本打分。分数的好处是我们现在可以识别比其他样本更可能是真实的，或者更可能是假的。例如，分布越靠左，WGAN 得分就越负。因此，我们有一个不以 0 和 1 结尾的连续统一体，但可以在“好”样本和“更好”样本之间进行比较。正常的 GAN 会将两者都识别为“好”，从而难以进一步改进。
