1. Introduction
模型分为两个阶段：
阶段一：训练WGAN
- 输入随机噪声，通过生成对抗训练生成器G和鉴别器D
阶段二：训练Encoder
- 在WGAN训练完毕后，不再改变，由生成器作为decoder，与Encoder一起构成auto-encoder。Encoder负责将训练图片映射为隐空间中的Z，再由生成器将Z映射为图片
2. Method
Encoder存在三种训练方式
$izi$
1) Encoder将图片x映射为隐空间中的点$\hat z $
2)生成器将$\hat z$ 映射为图片$G(\hat z)$
3)损失函数：$L_{i z i}(x)=\frac{1}{n}|x-G(\hat{z})|^{2}$，n为像素个数
$ziz$
1) 在隐空间中随机选取一个点$z$,生成器将$z$映射为图片$G(z) $
2) Encoder将$G(z)$映射为隐空间中的点$\hat z$
3) 损失函数：$\left.L_{z i z}(z)=\frac{1}{d} | z-\hat{z}\right) |^{2}$
$izi_f$
1) Encoder将图片x映射为隐空间中的点$\hat z$
2) 生成器将$\hat z$映射为图片$G(\hat z)$
3) 将$G(\hat z)$与$x$输入到鉴别器中，得到$L_{D}=\frac{1}{n_{d}}|f(x)-f(G(\hat{z}))|^{2}$，f(x)为鉴别器中间某一层的特征图，该特征图被认为含有输入图像的统计信息，$L_D$用于比较图像之间统计信息的差异，$n_d$为特征 图的维数
4) 损失函数为：
\[L_{i z i f}(x)=\frac{1}{n}\|x-G(\hat{z})\|^{2}+\lambda \frac{1}{n_{d}}\|f(x)-f(G(\hat{z}))\|^{2}\]其中$\lambda$为超参数
