Wasserstein GAN (WGAN)

Wasserstein GAN (WGAN)은 2017년 Arjovsky, Chintala, Bottou가 소개한 생성적 적대 신경망(GAN)의 변형으로, 기존 GAN에서 사용되던 Jensen-Shannon 발산 대신 Wasserstein-1 (Earth Mover) 거리를 사용합니다. 이러한 대체는 이론적으로 근거가 있는 훈련 목표를 제공하여 더 안정적인 최적화를 가능하게 하고, 생성된 샘플 품질과 의미 있게 상관관계가 있는 손실 값을 제공함으로써, 표준 GAN의 악명 높은 모드 붕괴(mode collapse) 및 기울기 소실(vanishing gradient) 문제를 해결합니다.