【思想來源】
造假幣的故事
造假幣的故事：說有一個假幣制造者G和一個貨幣鑑別警察D，一開始製造者G瞎搞，製作的假幣太假，警察D很容易辨別真幣和假幣；接下來呢，G用了點心，製作的假幣質量稍微好點，D偶爾鑑別不出有些假幣，但是D也在不斷提升自己的辨別假幣的能力；隨著G和D的能力的不斷提升，G生成的假幣在D眼裡也是真滴，那麼這就達到了所謂的“納什均衡”狀態，雙方能力水平持平。
在機器學習領域，從一張白紙到產生一張圖片的過程，可以用所謂的“生成式模型”來生成。常用的有自編碼器、變分自編碼器等
生成式模型
自編碼器
變分自編碼器
【組成】生成式對抗網絡作為一種生成式模型，由兩部分組成，生成器G和辨別器D，以生成假的人臉為例。生成器根據一些初始分佈進行生成人臉的過程，將一半的假人臉和一半真人臉給辨別器來識別，在不斷的迭代訓練之後，D不能辨別是真的圖片還是假的人臉
【公式推導】
【可視化的理解】
可視化理解
z：均勻分佈/高斯分佈；x：生成數據；z->x：生成數據的過程
黑線：真實值分佈；綠線：生成數據分佈；藍線：辨別函數的輸出值
••初始狀態：生成數據同真實數據差距明顯，容易判別；
•訓練過程：對是否真實判斷得到的loss引導生成模型更新，差距減少；
•最終狀態：生成數據同真實數據相似，無法識別。
【衍生的生成式對抗網絡】
【生成式對抗網絡應用場景】
（1）圖像生成、風格遷移、合成圖片
（2）圖像超分辨率、圖像增強
（3）視頻幀的預測
（4）圖像還原和修復
（5）模仿學習
分享到:
