WGAN的成功，可能跟Wasserstein距离没啥关系

公众号关注 “ML_NLP”设为 “星标”，重磅干货，第一时间送达！转载自 | PaperWeekly©PaperWeekly 原创 · 作者｜苏剑林单位｜追一科技研究方向｜NLP、神经网络WGAN，即 Wasserstein GAN，算是 GAN 史上一个比较重要的理论突破结果，它将 GAN 中两个概率分布的度量从 f 散度改为了 Wasserstein 距离，从而使得 WGAN 的训练过程更加稳定，而且生成质量通常也更好。Wasserstein 距离跟最优传输相关，属于 Integral Probability Metric（IPM）的一种，这类概率度量通常有着更优良的理论性质，因此 WGAN 的出现也吸引了很多人从最优传输和 IPMs 的角度来理解和研究 GAN 模型。然而，最近 Arxiv 上的论文《Wasserstein GANs Work Because They Fail (to Approximate the Wasserstein Distance)》[1] 则指出，尽管 WGAN 是从 Wasserstein GA ………………………………