Wasserstein GAN クイズ

クイズに答えると、答えと解説が表示されます。

1. WGAN は実際の分布と生成された分布を比較するためにどのような距離メトリックを使用しますか?
   • ワッサーシュタイン (アースムーバー) の距離
   • カルバックとライブラーの発散
   • コサイン類似度
   • ユークリッドピクセル距離
2. WGAN では、識別子であったネットワークの名前が何に変更されますか?またその理由は何ですか?
   • 賛成か反対かを投票するための「裁判官」
   • 確率ではなく連続的な現実性スコアを出力するため、「批評家」
   • ノイズを生成するため「サンプラー」
   • 悪い画像を取り除くための「フィルター」
3. なぜ WGAN の批評家が 1-リプシッツであるように制約されなければならないのでしょうか?
   • GPU でのトレーニングを高速化するには
   • パラメータの数を減らすには
   • ワッサーシュタイン距離の計算に使用されるカントロヴィッチ・ルービンシュタイン双対性には有界勾配が必要であるため
   • 強制的に整数を出力するには
4. 元の WGAN はリプシッツ制約をどのように強制したのでしょうか?
   • ドロップアウトを追加することで
   • バッチ正規化のみを使用する場合
   • 発電機を凍結することで
   • 批評家の重みを狭い範囲にクリップすることによって
5. WGAN はバニラ GAN と比べてどのような問題を顕著に軽減しますか?
   • モード崩壊と情報損失
   • テストセットへの過剰適合
   • 画像の読み込みが遅い
   • 過剰なメモリ使用
6. WGAN-GP では、元の WGAN に対してどのような改善が加えられましたか?
   • より大きな発電機
   • ウェイト クリッピングに代わる勾配ペナルティ
   • 新しいデータセット
   • 強化学習の報酬
7. Why can Wasserstein loss provide a useful signal when real and generated distributions barely overlap?
   • It becomes a binary accuracy score
   • It no longer depends on the critic
   • The distance can vary smoothly as the distributions move, providing gradients before they overlap
   • It requires the generator to match every sample exactly
8. What does the WGAN-GP gradient penalty encourage the critic’s gradient norm to do on sampled interpolations?
   • Become exactly zero everywhere
   • Grow without bound
   • Match the generator’s parameter count
   • Stay near one