为什么 GAN（生成对抗网络）被称为“隐式”生成网络？

Question

对抗网络，例如 GAN，被称为“隐式”网络。这是什么意思？而且，它们与“显式”生成网络有何不同？什么是“显式”生成网络？

Answer 1

让我通过开始人类和计算机算法之间的对话来为您提供一个简单的答案：

人类说：我有一些数据，我希望能够生成更多像这样的数据。准确地说，我需要能够从我的训练数据所来自的主要分布中生成更多数据。

生成模型说：给我你的数据，我会找到一种方法来帮助你。第八，我会返回数据来源的分布，或者我将为您提供另一种聪明的方法，以便您可以生成更多与原始数据相似的样本，甚至无需考虑分布。

• 显式模型就像：给我们训练数据，我们给你数据的分布，这样你就可以用它做任何你想做的事情。

  • 如果你至少知道分布的类型，那将是一个巨大的帮助，我的工作更容易，我只需要找到分布的参数（例如，如果你告诉我分布是高斯分布，那么我的“学习过程”是为您估计均值和方差。它不需要是高斯分布，我也可以处理更复杂和高维的分布）
  • 如果您不知道分布的类型，但仍然希望我明确地给您一个分布，我可以使用非参数模型，例如Kernel Density Estimation。

• 隐式方法说：我们为您提供了以疯狂的方式生成与您的训练数据相似的新样本的能力！举个例子，看看 GAN，通过对你的数据玩一个游戏，最后，我们给你一个东西，一个黑盒子，我们称之为生成器，你可以向它传递一个随机数，它会神奇地给你返回一个新样本。在训练这个黑匣子时，我们不会直接涉及任何分布的东西。