Mode Collapse (Mod Çöküşü)

Mod çöküşü (mode collapse), Üretici Çekişmeli Ağlar (GAN) eğitiminde sıkça karşılaşılan kritik bir sorundur. Üretecin (generator), gerçek veri dağılımının tamamını öğrenmek yerine yalnızca belirli bir alt kümeye odaklanması ve tekrarlı, çeşitsiz çıktılar üretmesiyle ortaya çıkar. Örneğin insan yüzleri üzerinde eğitilen bir GAN düşünelim. Gerçek veri seti yaşlı, genç, farklı etnik kökenden ve ifadeden yüzleri barındırır. Mod çöküşü yaşandığında üretec, ayrımcıyı (discriminator) kandırmayı başardığı tek bir yüz tipine — mesela genç, açık tenli ve gülümseyen bir yüze — takılı kalır. Tüm üretilen görüntüler bu tek moda yığılır. Neden yaşanır? Üretec, gradient sinyalinden öğrenerek ayrımcıyı en kolay kandıran çıktıya doğru yakınsar. Ayrımcı bu modu fark edip cezalandırmaya başlayınca üretec başka bir moda geçer; ancak bu sefer de orada takılı kalır. İki ağ arasındaki bu döngü, üretecin hiçbir zaman tam dağılımı kapsamamasına yol açar. İki temel türü vardır: Kısmi mod çöküşünde üretec birden fazla modu öğrenir ancak bazı modları tamamen yok sayar. Tam mod çöküşünde ise yalnızca tek bir çıktı ya da birbirinden neredeyse ayırt edilemeyen çıktılar üretilir. Algılama için FID (Fréchet Inception Distance) skoru yükselmesi, üretilen örneklerin görsel çeşitsizliğinin azalması ve gizli uzay (latent space) interpolasyonlarının aynı bölgeye yakınsaması tipik sinyallerdir. Çözüm yöntemleri arasında Wasserstein kaybı (WGAN), minibatch ayrımcılığı, Unrolled GAN mimarisi ve tarihsel ortalama gibi yaklaşımlar öne çıkar. Bu yöntemlerin ortak amacı, gradyan bilgisini daha kararlı ve çeşitliliği teşvik edecek biçimde üretece iletmektir.