GANs and VAE

多模态图片文字序列生成模型:通过生成对抗或者变分自编码方式

干货：Pytorch 使用GAN实现二次元人物头像生成 保姆级教程（数据集+实现代码+数学原理）

始祖论文：《Generative Adversarial Nets》

“五步精读论文”

问题动机：

Deep generative models have had less of an impact,due to the difficulty of approximating many approximating many intractable probabilistic computations that
arise in maximum likelihood estimation and related strategies
为了解决深度生成模型中使用最大似然估计的概率计算问题，以及很难在生成环境中利用分段线性单元的优势。

研究方法：pitting against an adversary

创新思想：

• 来源：GAN的思想源自于博弈论中的纳什均衡（非合作博弈均衡），

• 例子：囚徒困境问题

• 总结：在一个博弈过程中，无论对方的策略选择如何，当事人一方都会选择某个确定的策略，则该策略被称作支配性策略。如果任意一位参与者在其他所有参与者的策略确定的情况下，其选择的策略是最优的，那么这个组合就被定义为纳什均衡。

  实验结果：

  批判反思：