[论文翻译]生成式对抗网络 (Generative Adversarial Nets)

我们提出了一种通过对抗过程估计生成式模型的新框架，该框架同时训练两个模型：用于捕捉数据分布的生成模型 \$G\$，以及评估样本来自训练数据而非 \$G\$ 的概率的判别模型 \$D\$。训练 \$G\$ 的目标是最大化 \$D\$ 的误判概率。该框架对应一个极小极大双人博弈。在任意函数 \$G\$ 和 \$D\$ 的空间中，存在唯一解，此时 \$G\$ 能还原训练数据分布，且 \$D\$ 在所有位置都等于 \$\frac{1}{2}\$。当 \$G\$ 和 \$D\$ 由多层感知机定义时，整个系统可通过反向传播进行训练。在训练或样本生成过程中，无需使用马尔可夫链或展开近似推理网络。实验通过对生成样本的定性与定量评估，证明了该框架的潜力。