关于GAN网络的隐空间维度选择问题

一般来说，我们可以认为图像、文字、音频等数据是分布在低维流形空间上的。 GANs通过generator将隐空间的点映射到数据空间中，那么，隐空间的维数怎么选择呢？这是一个值得研究的问题。这里以图像为例进行分析。 首先，隐空间维数不能太低，太低了容易丢失mode，也会产生mode collapse。也就是说，隐空间的维数有个下界，高于这个下界才有可能避免mode丢失的问题。这个下界就是流形的内在维数

>>阅读原文<<