解释一下adaptive discriminator augmentation

Adaptive discriminator augmentation是一种用于增强生成对抗网络（GAN）的判别器的方法。在GAN中，生成器和判别器相互竞争，生成器试图生成逼真的样本，而判别器则试图区分真实样本和生成样本。

为了让判别器更好地区分真实样本和生成样本，通常会对训练数据进行数据增强，例如旋转、缩放、裁剪等。然而，这些数据增强方法通常是预定义的，不考虑当前训练数据的特点。

Adaptive discriminator augmentation则是一种自适应的数据增强方法，它根据当前训练数据的分布来动态地生成增强样本。具体来说，它使用生成器生成一些样本，然后使用判别器评估这些样本的逼真程度，并根据评估结果调整增强方法，以提高判别器的鲁棒性。

通过自适应地生成增强样本，adaptive discriminator augmentation可以更好地适应当前训练数据的特点，从而提高GAN的性能。