GAN的Loss的比較研究（5）——能量Loss

上一篇文章講的是《BEGAN: Boundary Equilibrium Generative Adversarial Networks》將能量函數（Energy）與Wasserstein Distance相結合，再輔之以比例反饋控制，讓GAN迅速收斂，並保持了多樣性。具體是： 讓Auto-Encoder作爲Discriminator，將原圖與重建圖的逐點差異（pixel-wise error）作

>>阅读原文<<