人工智能领域又迎来一项重大突破，生成对抗网络(GANs)的训练效率和图像质量提升关键技术近日公布。这一技术革新由耶鲁大学研究者Gauthier Van den Broeck主导，他利用最优传输理论解决了传统GAN训练中遇到的核心难题。
生成对抗网络自2014年由Goodfellow团队提出以来，一直是图像生成领域的重要工具。其核心机制是通过两个神经网络——生成器和判别器之间的对抗训练，使前者能够创造出逼真的图像。然而传统GAN的收敛速度较慢、生成图像模糊等问题一直制约其发展。
Van den Broeck的研究团队发现，GAN训练本质上是一个最优传输问题。他们提出了一种创新框架，将生成器和判别器之间的对抗关系转化为运输问题来解决。这意味着算法在寻找最佳方式将一个概率分布映射到另一个分布时，不再需要依赖随机梯度下降这种传统方法。
这一突破性发现让研究者们能够更精确地控制两个网络之间的博弈过程。传统GAN训练常出现的模式崩溃问题、损失函数设计不当等问题都可以得到缓解。耶鲁大学团队将这种方法命名为
