【新智元导读】谷歌公司的 Berthelot、Tom Schumm 和 Metz 本周发表论文 BEGAN（Boundary Equilibrium GAN），提出了“边界均衡 GAN” 的概念，借鉴了 EBGAN 和 WGAN 各自的优点，使用简单的模型，在标准的训练步骤下取得了令人惊艳的效果。不仅如此，论文还提出了一个可以衡量收敛的超参数，实现了快速稳定的训练和很高的视觉质量。

　　论文地址：

　　先看一张图：

　　下图左右两端的两栏是真实的图像，其余的是计算机生成的。

　　过渡自然，效果惊人。

　　这是谷歌本周在 arXiv 发表的论文《BEGAN：边界均衡生成对抗网络》得到的结果。这项工作针对 GAN 训练难、控制生成样本多样性难、平衡鉴别器和生成器收敛难等问题，提出了改善。

　　尤其值得注意的，是作者使用了很简单的结构，经过常规训练，取得了优异的视觉效果。

　　作者在论文中写道，他们的主要贡献是：

一个简单且具有鲁棒性的 GAN 架构，使用标准的训练步骤实现了快速、稳定的收敛

一种均衡的概念，用于平衡判别器和生成器（判别器往往在训练早期就以压倒性优势胜过生成器）

一种控制在图像多样性与视觉质量之间权衡的新方法

用于近似衡量收敛的方法，据我们所知，目前发表过的这类方法另外只有一种，那就是 Wasserstein GAN（WGAN）

　　GAN 的结构特点和理论优势

　　在介绍 BEGAN 之前，有必要回顾一下 GAN 和 EBGAN（Engry-Based GAN，基于能量的 GAN）。它们是 BEGAN 的基础。

　　中国科学院计算技术研究所智能信息处理重点实验室助理教授杨双在她发表在“深度学习大讲坛”的文章《解读 GAN 及其 2016 年度进展》当中，做了很好的介绍。我们在取得授权后引用了介绍 GAN 和 EBGAN 的相关部分。

　　首先是基本的 GAN 模型。

　　“原始 GAN 模型的基本框架如上图所示，其主要目的是要由判别器 D 辅助生成器 G 产生出与真实数据分布一致的伪数据。模型的输入为随机噪声信号 z；该噪声信号经由生成器 G 映射到某个新的数据空间，得到生成的数据 G(z)；接下来，由判别器 D 根据真实数据 x 与生成数据 G(z) 的输入来分别输出一个概率值或者说一个标量值，表示 D 对于输入是真实数据还是生成数据的置信度，以此判断 G 的产生数据的性能好坏；当最终 D 不能区分真实数据 x 和生成数据 G(z) 时，就认为生成器 G 达到了最优。

　　“D 为了能够区分开两者，其目标是使 D(x) 与 D(G(z)) 尽量往相反的方向跑，增加两者的差异，比如使 D(x) 尽量大而同时使 D(G(z)) 尽量小；而 G 的目标是使自己产生的数据在 D 上的表现 D(G(z)) 尽量与真实数据的表现 D(x) 一致，让 D 不能区分生成数据与真实数据。因此，这两个模块的优化过程是一个相互竞争相互对抗的过程，两者的性能在迭代过程中不断提高，直到最终 D(G(z)) 与真实数据的表现 D(x) 一致，此时 G 和 D 都不能再进一步优化。”

　　杨双介绍说，GAN 除了提供了一种对抗训练的框架，另一个重要贡献是其收敛性的理论证明。

　　“作者通过将 GAN 的优化过程进行分解，从数学推导上严格证明了：在假设 G 和 D 都有足够的 capacity 的条件下，atv直播，如果在迭代过程中的每一步，D 都可以达到当下在给定 G 时的最优值，并在这之后再更新 G ，那么最终 Pg 就一定会收敛于Pdata。也正是基于上述的理论，原始文章中是每次迭代中优先保证 D 在给定当前 G 下达到最优，然后再去更新 G 到最优，如此循环迭代完成训练。这一证明为 GAN 的后续发展奠定了坚实基础，使其没有像许多其它深度模型一样只是被应用而没有广而深的改进。”

　　判别器：借鉴基于能量的GAN

　　杨双在《解读 GAN 及其 2016 年度进展》当中介绍，对 GAN 模型的理论框架层面的改进工作主要可以归纳为两类：一类是从第三方的角度（不是从GAN 模型本身）看待 GAN 并进行改进和扩展的方法；第二类是从 GAN 模型框架的稳定性、实用性等角度出发对模型本身进行改进的工作。