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.
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.