DT-GAN：基于原理且稳定的对抗框架

本文介绍了DT-GAN，一种新颖的GAN架构，解决了传统GAN的理论脆弱性和不稳定性问题。通过使用具有显式约束的线性算子，DT-GAN提高了可解释性、稳定性，并证明了其正确性，尤其适用于具有稀疏合成结构的数据。这项工作提供了强大的理论基础和实验验证，展示了在特定场景下，DT-GAN是神经GAN的一个有前景的替代方案。

• •DT-GAN是一个基于模型的对抗框架，使用稀疏合成字典和分析变换。
• •与神经GAN相比，它提供了改进的理论特性，包括适定性和稳定性。
• •DT-GAN特别适用于具有稀疏合成结构的数据。
• •实验验证了理论预测，并展示了与标准GAN相比的稳定行为。