在使用生成對抗網路（GAN）進行人臉影像生成時，若出現「模式崩潰（Mode Collapse）」現象，下列哪一種方法最常被用來有效解決此問題？
iPAS 考題解析
在使用生成對抗網路（GAN）進行人臉影像生成時，若出現「模式崩潰（Mode Collapse）」現象，下列哪一種方法最常被用來有效解決此問題？
- A. 在鑑別器中加入梯度懲罰（Gradient Penalty）以穩定訓練過程
- B. 採用Wasserstein距離（WGAN損失）替代原始的GAN損失函數 ✓ 正確答案
- C. 對生成器輸入的潛在向量加入隨機擾動
- D. 使用多尺度鑑別器架構以提高對多樣性的判別能力
詳細解析
WGAN（Wasserstein GAN）使用Earth Mover距離取代JS散度作為訓練損失，提供更平滑的梯度信號，有效緩解訓練不穩定和模式崩潰問題，是目前最常見的解決方案之一。
出題年份：114 難度：★★☆