starGAN知识小结
本文为阅读完starGAN论文后作出的系统小结。论文地址
starGAN顾名思义就是星型GAN结构,其解决的主要问题为 multi-domain 的 image-to-image 转换。相比于传统的拥有 k 个 domain 的多领域图片转换需要训练 k(k-1) 个 generator ,效率极其低下,也无法充分地利用到训练数据,同时传统的解决方法也无法衔接多个数据集的 domains。基于上述问题,starGAN 被提出,starGAN 的基本思想为将 inputImage 和 target domain (一般为随机产生,使用binary 或者 one-hot vector 表示)一起作为 Generator 的输入得到 fakeImage,再将 fakeImage 和 origin domain 的值作为同一个 Generator 的输入得到 reconstructed image ,starGAN 希望的是 reconstructed image 和 inputImage 之间越接近越好。
下图为传统方法与 starGAN 的结构对比图,由图可以看出,starGAN 只需要训练一个Generator。
下图为 starGAN 训练详细结构图,由图看出 Discriminator 不仅需要判断 fakeImage 的真伪还需要判断出 fakeImage 所处于的 domain。<