首先ALI和BiGAN上本質上是一樣的，但是有一點區別，那就是ALI的encoder輸出是mu和sigma，然後隨機採樣出來編碼，而BiGAN則直接輸出一個確定的結果，沒有sample這一步。

看到這篇文章我又去補習了一下VAEGAN，BiGAN，因此這篇文章主要就是做一下對比吧。

VAEGAN：

從VAE的角度去理解，增加了判別器，來使得生成的圖片儘可能的逼真。

包含VAE中的所有loss，同時增加了一個判別器的損失項目（判斷圖片真假）

隨後提出了一個VAEGAN的變體，就是判別器的輸入有所不同，區別在於判別器的輸出爲三個類別（生成圖像，重構圖像，真實圖像），這裏這麼做的目的是爲了找出encoder生成的z和從先驗分佈中sample出來的z細微區別，能讓兩者更好的擬合。

BiGAN

BiGAN和VAEGAN結構上類似，有幾點不同。

將VAEGAN中的encoder和decoder拆開，可以看做是兩個GAN encoder和D，decoder和D

看做兩個GAN，也就取消了VAE中的kl約束，也就是不顯示的添加kl損失的loss項。

這樣p(x)通過encoder得到q(z‘)，p(z)通過decoder得到q(x')，將x和z作爲一個joint的整體餵給判別器

這樣當判別器無法區分時，通過聯合概率的角度真實數據和生成的隱變量，以及sample出來的隱變量和生成的數據

p(x,z')和q(x',z)相同，也就是聯合概率分佈相同，最終使得生成數據與原始數據相同。

可見和VAEGAN的區別，一個是取消了loss，另一個是判別器的輸入是x，z而不是單獨的x