11月1日消息,近日,来自哥伦比亚大学,剑桥大学以及DeepMind的研究人员发表了一篇名为规定的生成对抗网络的新研究。在该研究中,研究人员开发了规定的GAN(PresGAN)来解决GAN受限问题。PresGAN将噪声添加到密度网络的输出中,并优化了熵调节的对抗损失。增加的噪声使预测的对数似然性易于处理,并稳定了训练过程。研究团队在几个数据集上评估了PresGAN,发现它们减轻了模式崩溃并生成了具有高感知质量的样本。他们还发现,就传统GAN与变分自动编码器(VAE)之间的预测对数似然性而言,PresGAN缩小了性能差距。