Wasserstein GAN (WGAN)

Wasserstein GAN (Arjovsky et al., 2017)

Türkçe: Wasserstein GAN / Toprak Taşıyıcı GAN

Ayrıntılı Tanım

Klasik GAN'ın kullandığı Jensen-Shannon ıraksaması yerine; iki olasılık dağılımı arasındaki mesafeyi **Toprak Taşıyıcı Mesafesi (Earth Mover's / Wasserstein Distance)** ile ölçen ve eğitimi olağanüstü kararlı kılan mimaridir.

Ne İşe Yarar / Çözülen Problem

GAN modellerindeki meşhur mod çökmesini (Mode Collapse) ve gradyan kaybolmasını matematiksel olarak çözer; kayıp değerinin nihayet görüntünün görsel kalitesiyle anlamlı şekilde korele olmasını sağlar.

Nasıl Çalışır? (Teknik & Mekanizma)

Ayırt edici (Discriminator) artık bir olasılık üretmez; doğrudan bir skor üreten "Eleştirmen" (Critic) haline gelir. Fonksiyonun 1-Lipschitz sürekliliğini sağlamak için ağırlık kırpma (Weight Clipping) veya gradyan cezası (WGAN-GP) uygulanır.

Örnek Senaryo & Pratik Uygulama

Bir kum yığınını başka bir kum yığını şekline dönüştürmek: İki yığının üst üste binmesine gerek yoktur; bir yığını diğerine taşımak için harcanan minimum iş miktarı (toprak taşıma) iki dünya arasındaki mesafeyi her noktada pürüzsüz ölçer.

Benzer Terimlerden Farkı

Klasik GAN iki dağılım kesişmediğinde sıfır gradyan verirken; WGAN dağılımlar kilometrelerce uzakta olsa bile üreticiye doğru yönü gösteren kesintisiz bir gradyan sunar.

İlişkili Terimler (2)

#301

Generative Adversarial Network (GAN)

Çekişmeli Üretici Ağlar (GAN)

#304

Mode Collapse

Mod Çökmesi / Çeşitlilik İflası

Ait Olduğu Kategori

Bilgisayarlı Görü, Çok Modlu ve Üretken Yapay Zekâ

CNN, Vision Transformers (ViT), Diffusion, GAN, VAE ve Multimodal modeller.

Toplam Terim:53 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#304)Mode Collapse

Sonraki Terim (#306)CycleGAN