Wasserstein GAN (WGAN)

Wasserstein GAN (WGAN) adalah varian jaringan adversarial generatif yang diperkenalkan oleh Arjovsky, Chintala, dan Bottou pada tahun 2017 yang menggantikan divergensi Jensen-Shannon yang digunakan dalam GAN asli dengan jarak Wasserstein-1 (Earth Mover). Substitusi ini memberikan tujuan pelatihan yang berlandaskan teori yang menghasilkan optimasi yang lebih stabil dan nilai kerugian yang berkorelasi secara bermakna dengan kualitas sampel yang dihasilkan, mengatasi masalah keruntuhan mode (mode collapse) dan gradien yang hilang (vanishing gradient) yang terkenal pada GAN standar.