自适应学习Wasserstein生成对抗网络的潜在空间

本研究针对生成模型（如GAN和VAE）在处理自然图像等数据时面临的潜在维度选择不当的问题，提出了一种新的框架——潜在Wasserstein GAN (LWGAN)。该框架通过融合Wasserstein自编码器和Wasserstein GAN，能够自适应地学习数据流形的内在维度，从而生成高质量的合成数据，并确保合成数据的分布与真实数据相似。