【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授

报告主题：A Geometric View of Optimal Transportation and Generative Adversarial Networks (GANs)

报告摘要：这项工作介绍了生成对抗网络（GAN）的最佳运输（OT）视图。自然数据集具有内在模式，可以概括为流形分布原理：一类数据的分布接近于低维流形。 GAN主要完成两项任务：流形学习和概率分布转换。后者可以使用经典的最佳运输方法进行。 从OT的角度来看，生成器计算最佳运输图，鉴别器计算生成的分布与实际数据分布之间的Wasserstein距离，两者都可以简化为凸几何优化过程。此外，OT理论发现了生成器和鉴别器之间的内在协作关系而不是竞争关系，以及模式崩溃的根本原因。 此外，我们提出了一种新颖的生成模型，该模型使用自动编码器进行流形学习，并使用OT映射进行分布转换。 AE-OT模型提高了理论上的严格性和透明度，还提高了计算的稳定性和效率，尤其是消除了模式崩溃。实验结果验证了我们的假设，并证明了我们提出的模型的优势。

邀请嘉宾：顾险峰，清华大学计算机系学士，哈佛大学博士，师承国际著名数学大师丘成桐先生。现为美国纽约州立大学石溪分校计算机系终身教授，曾获美国NSFCAREER奖，中国海外杰青，“华人菲尔兹奖”-晨兴应用数学金奖等。顾险峰教授团队将微分几何、代数拓扑、黎曼面理论，偏微分方程与计算机科学相结合，创立跨领域学科“计算共形几何”，并广泛应用于计算机图形学，计算机视觉，三维几何建模与可视化，无线传感网络，医学图像等领域。

PPT下载链接：
http://www.sdlcv-workshop.com/slides/talk_Geometric_GANs.pdf