P2 · 辨識即可
生成式 AI
Wasserstein 生成對抗網路 (Wasserstein Generative Adversarial Network, WGAN)
是什麼
WGAN 以 Wasserstein 距離（推土機距離）取代原始 GAN 的 JS 散度來衡量真實與生成分布的差距，判別器改為輸出分數的評論器（Critic）。即使兩分布不重疊，仍有平滑有意義的梯度。
解決什麼問題
緩解原始 GAN 訓練不穩定、梯度消失與模式崩潰的問題，也讓損失值能反映生成品質。
考場 Trigger
- GAN 模式崩潰的常見解法
- 以 Wasserstein 距離取代 JS 散度
- GAN 訓練不穩定
容易搞混
生成對抗網路模式崩潰KL 散度
中級深度
能說出 WGAN 改的是損失的距離度量，分布不重疊時仍有梯度，因而能緩解模式崩潰。