UC Berkeley提出变分判别器瓶颈，有效提高对抗学习平衡性

在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。这是 PaperDaily 的第 116 篇文章作者丨武广学校丨合肥工业大学硕士生研究方向丨图像生成本期推荐的论文笔记来自 PaperWeekly 社区用户 @TwistedW ，作者今天要解读的是 UC Berkeley 投稿 ICLR 2019 的工作。对抗学习中判别器一直保持着强大的侵略优势，造成了对抗中的不平衡。本文采用变分判别器瓶颈（Variational Discriminator Bottleneck，VDB），通过对数据样本和编码到的特征空间的互信息进行限制，提高判别器的判别难度，进而提高了对抗学习中 ………………………………