Odborná definícia
Význam a odborné vymedzenie pojmu
Wasserstein GAN je variant generatívnej adversariálnej siete, ktorý nahrádza klasifikačný diskriminátor kritikom odhadujúcim rozdiel medzi reálnou a generovanou distribúciou pomocou Wassersteinovho cieľa. Kritická funkcia musí spĺňať Lipschitzovo obmedzenie, pôvodne aproximované orezávaním váh, neskôr najmä gradient penalty alebo spektrálnou normalizáciou. Cieľ poskytuje zmysluplnejší tréningový signál aj pri neprekrývajúcich sa distribúciách, no sám osebe negarantuje stabilitu, rozmanitosť ani kvalitu vzoriek.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Bežný GAN sa môže správať ako rozhodca, ktorý iba oznámi pravé alebo falošné a generátoru neposkytne užitočnú informáciu, ako ďaleko je od cieľa. WGAN používa kritika, ktorý hodnotí smer a veľkosť rozdielu medzi rozdeleniami. Generátor tak dostáva plynulejší signál aj v skorých fázach tréningu. Aby hodnotenie zodpovedalo teórii, kritik nesmie meniť výstup ľubovoľne prudko. Preto sa kontroluje jeho Lipschitzovská vlastnosť, čo je jedna z kľúčových prevádzkových podmienok metódy.
Časté otázky
Otázky, ktoré spresňujú význam
Prečo WGAN nepoužíva sigmoid na výstupe kritika?
Kritik nepredikuje pravdepodobnosť triedy. Produkuje reálne skóre, ktorého rozdiel medzi reálnymi a generovanými vzorkami aproximuje Wassersteinov cieľ.
Čo je gradient penalty vo WGAN-GP?
Je to penalizácia odchýlky normy gradientu kritika od jednej na interpolovaných bodoch. Prakticky presadzuje hladšie Lipschitzovo obmedzenie než jednoduché orezávanie parametrov.
Odstraňuje WGAN mode collapse?
Môže ho zmierniť vďaka informatívnejšiemu cieľu, no kolaps režimov zostáva možný. Treba sledovať pokrytie distribúcie, architektúru, kapacitu kritika aj pomer aktualizácií.
Prečo sa kritik trénuje viackrát na jeden krok generátora?
Kvalitný odhad cieľa vyžaduje, aby sa kritik priebežne približoval optimálnej funkcii pre aktuálny generátor. Príliš slabý kritik poskytuje skreslený smer aktualizácie.
Je hodnota WGAN loss priamo kvalitou obrázkov?
Nie. Môže byť užitočná na sledovanie optimalizácie, ale vizuálnu vernosť a rozmanitosť treba overovať samostatnými metrikami, ľudským hodnotením a analýzou režimov.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- Wasserstein GAN Improved Training of Wasserstein GANs
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.