대립적으로 학습된 추론

우리는 적대적 학습 추론(ALI, Adversarially Learned Inference) 모델을 소개합니다. 이 모델은 적대적 프로세스를 사용하여 생성 네트워크와 추론 네트워크를 동시에 학습합니다. 생성 네트워크는 확률적인 잠재 변수 샘플을 데이터 공간으로 매핑하며, 추론 네트워크는 데이터 공간의 훈련 예제들을 잠재 변수 공간으로 매핑합니다. 두 네트워크 간에 적대 게임이 진행되며, 구분 네트워크는 생성 네트워크에서 나온 결합된 잠재/데이터 공간 샘플과 추론 네트워크에서 나온 결합된 샘플을 구별하도록 훈련됩니다. 우리는 모델 샘플과 재구성의 검사를 통해 모델이 상호 일관된 추론 및 생성 네트워크를 학습하는 능력을 설명하고, 학습된 표현의 유용성을 반지감독 SVHN 및 CIFAR10 작업에서 최신 기술 수준과 경쟁력 있는 성능을 얻음으로써 확인합니다.