【AI作画真假难辨】Facebook 创意生成网络 CAN，比 GAN 更有创造力

正文

请到「今天看啥」查看全文

近来，生成对抗网络（GAN）在生成抽象内容方面成效显著。今天我们要介绍的研究，则进一步探讨了计算机在“创造力”方面的能力。

模仿大师 GAN：生成器和鉴别器的博弈

我们知道，GAN 由两个相互博弈的神经网络组成，即生成器和鉴别器。顾名思义，生成器负责根据输入生成数据（输入可以是噪声，也可以是一些其他的数据）。鉴别器负责分析数据，并区分这些数据是真实的（来自数据集），或者是虚假的（来自生成器）。在数学上，这可以被看作是生成器和鉴别器之间的小游戏：

如果上面的公式看上去很复杂，不必担心——你不是一个人。下面，我们依次说明公式里的各个部分都代表什么。

首先，公式的左边是 MiniMax 方程。

下标 G 和 D 分别代表生成器 G（Generator）和鉴别器 D（Discriminator）。生成器的工作是将方程的值最小化，而鉴别器负责将这个值最大化。生成器 G 和鉴别器 D 会一直博弈，直到我们决定停止为止。

鉴别器 D 接收来自真实数据集的输入 x，然后输出它判定为真的结果 log(D(x))。

G(z) 表示生成器生成的数据。log(1-D(G(z)))) 计算的是鉴别器在判定数据真假方面表现得有多好。D(G(z)) 表示鉴别器认为是真实的那些数据。用 1 减去这个值则表示判别器认为不是真实的数据。

将所有综合在一起，鉴别器负责将 log(D(x) + log(1-D(G(z)))) 的值最大化，而生成器则负责使 D(G(z))) 的值最大化，从而使上述值最小化。

生成器会不断修正自己，让鉴别器判定其生成的值是真实的，而鉴别器也会不断修正自己，让自己能判别出虚假的数据。

请到「今天看啥」查看全文