Jun, 2016
信息增益生成对抗网络可解释的表示学习
InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets
Xi Chen, Yan Duan, Rein Houthooft, John Schulman, Ilya Sutskever...
TL;DRInfoGAN 是一种信息论扩展的生成对抗网络,能够以完全无监督的方式学习分离表示,其中以小部分潜在变量和观察之间的相互信息为最大化目标,通过优化互信息下限来训练,并成功地在 MNIST、SVHN 和 CelebA 数据集上取得了竞争性的结果。