
Generative adversarial networks (GANs) can be optimized to make the generator distribution close to the target distribution by satisfying metrizable conditions on the discriminator, including direction optimality, separability, and injectivity.


coremsg

inducing-metrizability-of-generative-adversarial-networks-with-discriminative-normalized-linear-layer


Inducing Metrizability of Generative Adversarial Networks with Discriminative Normalized Linear Layer


title_rewrite


Durch die Ableitung von metrisierbaren Bedingungen, die ausreichend sind, damit der Diskriminator als Abstand zwischen den Verteilungen dient, entwickeln wir ein neuartiges GAN-Trainingsschema namens Slicing Adversarial Network (SAN), das eine Verbesserung gegenüber herkömmlichen GANs zeigt.


inducing-metrizability-in-generative-adversarial-networks-durch-diskriminative-normalisierte-lineare-schichten


Inducing Metrizability in Generative Adversarial Networks durch diskriminative normalisierte lineare Schichten
