本文研究了生成模型中使用的最优判别器的渐近行为,特别关注Lipschitz正则化的KL散度。研究描述了当Lipschitz约束参数L增加时,这些判别器如何表现,并考察了其中一个分布相对于另一个分布绝对连续以及分布离散的情况。研究结果为对抗生成模型的训练策略提供了见解,尤其是在模型分布与经验数据分布重叠有限的情况下。 AI
影响 为改进对抗生成模型的训练策略提供了理论基础。
排序理由 该条目是发表在arXiv上的学术论文,详细介绍了生成模型领域的理论研究。[lever_c_demoted from research: ic=1 ai=1.0]
- adversarial generative models
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- discrete empirical measure
- Gotit.pub
- Hugging Face
- Influence Flower
- KL-divergences
- Radon-Nikodym derivative
- ScienceCast
- Wasserstein-1 metric
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →