从VAE的角度看,加上D使用decoder的图像质量更高。
从GAN的角度看,加上encoder,可以使学习有个目标,学习效果更稳定。
Encoder的目标:
- 最小化reconstructure error
- z to normal
Decoder的目标: - 最小化reconstructure error
- 难过D
D的目标:
区分是生成的Img还是reconstructed Img。
1. 训练步骤
- 初始化En, De, Dis
- 从database sample出M张图像,计做x
- 从某个分布(例如正态分布)中sample出M个code向量,记做z
- ,此时有三种Img,分别是(2)database sample出来的(4)x经过auto-encoder重新生成的(6)decoder随机生成的
- 更新En的参数,目标:,KL
- 更新De的参数,目标:,Dis,Dis
- 更新Dis的参数,目标::,Dis,Dis