推 seasa2016: 那就用sequence gan如何 07/01 02:19
→ somoskylin: 主要是想知道VAE的缺點，看來我文章寫的不清楚 07/01 02:26
→ somoskylin: VAE有什麼樣的問題，才會用GAN之類的 07/01 02:28
推 sxy67230: VAE主要是他的approximately上界就是整個資料的分佈， 07/01 09:42
→ sxy67230: 等同於對整個模型做了一個限制，而GAN初始採用隨機噪聲 07/01 09:42
→ sxy67230: ，分佈上界就只是當Discriminator無法分辨真假來源的時 07/01 09:42
→ sxy67230: 候，所以GAN會難train就是這個原因。 07/01 09:42
推 sxy67230: 關鍵字應該是explicit density 跟 implicit density模 07/01 09:44
→ sxy67230: 型的差異 07/01 09:44
→ sxy67230: 更正一下：整個訓練資料的分佈 07/01 09:45
→ seasa2016: 可是gan也沒辦法保證不再資料分布中的樣本能不能有好結 07/01 11:08
→ seasa2016: 果吧，這點可能跟vae差不多？ 07/01 11:08
推 king22649: 這只能做出失智老人吧 還是玩影像比較有趣 07/01 13:32
推 kokolotl: gan感覺也是吃training set的分佈吧 07/01 14:46
→ kokolotl: 最近歐巴馬馬賽克轉成白人爭議應該是這樣來的 07/01 14:46
→ somoskylin: 謝謝s大，我找找看 07/01 16:41
→ somoskylin: 整樓下來，我又confuse了 07/01 16:41
→ seasa2016: 我覺得只是vae的 loss設計的不夠好而已，所以才用gan 07/01 18:04
推 acctouhou: 我認為不是loss不夠好 而是這些error不等價 07/01 21:48
推 acctouhou: 舉個例子 數字辨識的1 同樣誤差20個pixel，你會去找筆 07/01 21:50
→ acctouhou: 畫筆直的而不是在乎1長度多少，這導致了明明loss很低， 07/01 21:50
→ acctouhou: 卻還是騙不過眼睛 07/01 21:50
→ acctouhou: 所以藉由另一個network來判斷之間的差異 07/01 21:51
→ acctouhou: 另外NN本來就是data-driven 所以基本上都是跟資料有關 07/01 21:52
→ acctouhou: ，除非你的dataset已經跟母體空間夠相似 07/01 21:52
→ acctouhou: s大分析精闢 07/01 21:52
→ seasa2016: 第二第三句不就是loss不夠好不能反映真正的lossㄇ 07/01 22:01
→ fr75: Obama轉白人可以貼一下連結嗎 07/02 05:56
→ somoskylin: a大圖片方面我是知道的，但是文字沒有什麼1pixel差異 07/02 12:26
→ somoskylin: ，我就不知道差異處了 07/02 12:26
→ somoskylin: 請問各位前輩我這樣理解不知道對不對： 07/02 16:24
→ somoskylin: VAE是找尋並符合database的特徵分佈 07/02 16:24
→ somoskylin: GAN可以突破database產生以外的結果，只是比較難 07/02 16:24
推 geminitw: VAE 的 loss 不是 "設計" 出來的吧? 是推導而來的 07/02 23:55
→ geminitw: VAE 是在找出 latent variable 的機率分佈, 可以用高斯 07/02 23:56
→ geminitw: 也可以用其他的分佈, 也許 text 不適合用高斯 07/02 23:57
→ seasa2016: 用高斯或其他的分佈和怎麼評估reconstruct這兩個不都可 07/03 01:06
→ seasa2016: 以自己設計嗎？ 07/03 01:06
→ seasa2016: 推倒的機率式並沒有定義 07/03 01:07
推 world4jason: 歐巴馬那個我覺得難免…NBA那個curry都是黑人了 而且 07/06 18:29
→ world4jason: 他們自己人也會認錯 07/06 18:29
推 goldflower: 歐巴馬事件鬥到yann lecun都說要退出twitter了XD 07/11 22:18