Generative Adversarial Networks

📄️Generative Adversarial Network

GAN の基本構造、Generator と Discriminator、minimax objective、optimal Discriminator を整理します。

GAN training で Nash equilibrium に到達しにくい理由を整理します。

Real distribution と generated distribution の support が低次元 manifold 上にあることによる GAN training の難しさを整理します。

GAN で Discriminator が強くなりすぎたときに Generator の gradient が消える問題を整理します。

GAN の Generator が多様性を失い、似た sample ばかりを生成する問題を整理します。

Feature Matching、Minibatch Discrimination、Historical Averaging、One-sided Label Smoothing、Virtual Batch Normalization、input noise を整理します。

WGAN の動機、Kantorovich-Rubinstein duality、Lipschitz constraint、Critic、weight clipping を整理します。

DCGAN を Pokémon sprite dataset に適用した実験例を整理します。