0
点赞
收藏
分享

微信扫一扫

李宏毅老师-生成式对抗网络(GAN)Part4

慢慢来,会更好!
大家好,我是一个想研究又不会研究的研究生
陪伴大家一起学习成长!
在这里插入图片描述

Unpaired data:x与y的不是配对的

在这里插入图片描述

那么,我们现在遇到一个更加艰难的情况,假如没有一点成对的资料,那该怎么办呢?

在这里插入图片描述

那在这种情况下,还有没有办法训练一个network,input x,output y呢?
这就是GAN可以帮我们做的事情

在这里插入图片描述

那有没有办法做这件事情呢(输入一张人脸,输出二次元图片)
乍听,好像也没有很难
和原理的GAN训练一样,换一个sample方法即可

在这里插入图片描述

可能这么简单吗?
答案是不可能的

输出y domain的图片可能忽略x输出一个像是二次元做的图片,
Discriminator可能觉得它做的很好,就结束了
如果我们完全套用以前的GAN,显然是不够的。
如果使用conditional GAN也是不行的,因为它前提得有成对的资料(什么样的x与y的组合是对的)

在这里插入图片描述

那该怎么办呢
如下图
我们可以设置两个Generation来进一步解决这个问题
来尽可能使得输入的图片与第二次Generation的图片接近,从而相当于添加了一个输入的限制

在这里插入图片描述

在这里,Cycle GAN也可以是双向的啦

在这里插入图片描述
在这里插入图片描述

此外,还有很多厉害的GAN

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

举报

相关推荐

0 条评论