
510
|
第
17
章
插值的结果。请注意,例如第 4 行和第 5 列中的鞋子是位于其上方和下方的两双鞋子之
间的很好插值。
图 17-14:语义插值
几年来,变分自动编码器非常流行,但是 GAN 最终占了领先位置,是因为它们能够生
成更加逼真的图像。因此,让我们将注意力转向 GAN。
17.9 生成式对抗网络
Ian Goodfellow 等人在 2014 年的论文
注 10
中提出了生成式对抗网络,尽管这个想法几乎
立刻使研究人员们兴奋不已,但还是花了几年时间才克服了训练 GAN 的一些困难。就
像许多伟大的想法一样,事后看起来似乎很简单:让神经网络相互竞争,希望这种竞争
能够促使它们变得更好。如图 17-15 所示,GAN 由两个神经网络组成:
1
生成器
以随机分布作为输入(通常是高斯分布),并输出一些数据(通常是图像)。你可以
将随机输入视为要生成的图像的潜在表征(即编码)。因此你可以看到,生成器提
供的功能与变分自动编码器中的解码器相同,并且可以使用相同的方式来生成新图
像(只需馈入一些高斯噪声,就会输出一个新图片)。但是我们很快就会看到,它
的训练方式大不相同。
注 10 :Ian Goodfellow et al., “ Generative Adversarial Nets ” ,
Proceedings of the 27th International
Conference on Neural Information Processing Systems
2 (2014): 2672–2680. ...